LLM大模型部署宝典：Ollama简化流程、OpenLLM灵活配置、LocalAI本地化优化

大模型玩家

于 2024-08-21 16:54:32 发布

阅读量624

点赞数 28

文章标签：人工智能深度学习 agi 机器翻译 langchain ai 大语言模型

本文链接：https://blog.csdn.net/2401_85375186/article/details/141397858

版权

1. Ollama 部署的本地模型(🔺)

Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。，这是 Ollama 的官网地址：https://ollama.com/

以下是其主要特点和功能概述：
1. 简化部署：Ollama 目标在于简化在 Docker 容器中部署大型语言模型的过程，使得非专业用户也能方便地管理和运行这些复杂的模型。
2. 轻量级与可扩展：作为轻量级框架，Ollama 保持了较小的资源占用，同时具备良好的可扩展性，允许用户根据需要调整配置以适应不同规模的项目和硬件条件。
3. API支持：提供了一个简洁的 API，使得开发者能够轻松创建、运行和管理大型语言模型实例，降低了与模型交互的技术门槛。
4. 预构建模型库：包含一系列预先训练好的大型语言模型，用户可以直接选用这些模型应用于自己的应用程序，无需从头训练或自行寻找模型源

1.1 一键安装

curl: (77) error setting certificate verify locations:CAfile: /data/usr/local/anaconda/ssl/cacert.pemCApath: none 报错原因： cacert.pem 的寻址路径 CAfile 不对，也就是在该路径下找不到文件。

解决方法：

找到你的 cacert.pem 文件所在位置 /path/to/cacert.pem。如果你没有该证书，可以先在 https://curl.se/ca/cacert.pem 下载，保存在某个目录中。
设置环境变量

代码语言：javascript

复制

export CURL_CA_BUNDLE=/path/to/cacert.pem
#将"/path/to/cacert.pem"替换为你的证书文件的实际路径。
export CURL_CA_BUNDLE=/www/anaconda3/anaconda3/ssl/cacert.pem

执行下载

代码语言：javascript

复制

curl -fsSL https://ollama.com/install.sh | sh

1.2 手动安装

ollama中文网：https://ollama.fan/getting-started/linux/

下载 ollama 二进制文件：Ollama 以自包含的二进制文件形式分发。将其下载到您的 PATH 中的目录：

代码语言：javascript

复制

sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama

sudo chmod +x /usr/bin/ollama

将 Ollama 添加为启动服务（推荐）：为 Ollama 创建一个用户：

代码语言：javascript

复制

sudo useradd -r -s /bin/false -m -d /usr/share/ollama ollama

3.在 /etc/systemd/system/ollama.service 中创建一个服务文件：

代码语言：javascript

复制

#vim ollama.service 

[Unit]

Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3

[Install]
WantedBy=default.target

然后启动服务：

代码语言：javascript

复制

sudo systemctl daemon-reload
sudo systemctl enable ollama

启动 Ollama¶ 使用 systemd 启动 Ollama：

代码语言：javascript

复制

sudo systemctl start ollama

更新，查看日志

代码语言：javascript

复制

#再次运行
sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
sudo chmod +x /usr/bin/ollama

#要查看作为启动服务运行的 Ollama 的日志，请运行：
journalctl -u ollama

步骤7：关闭 Ollama 服务

代码语言：javascript

复制

#关闭ollama服务
service ollama stop

1.3 Linux内网离线安装Ollama

查看服务器CPU的型号

代码语言：javascript

复制

##查看Linux系统CPU型号命令，我的服务器cpu型号是x86_64
lscpu

步骤2：根据CPU型号下载Ollama安装包，并保存到目录

下载地址： https://github.com/ollama/ollama/releases/

代码语言：javascript

复制

#x86_64 CPU选择下载ollama-linux-amd64
#aarch64|arm64 CPU选择下载ollama-linux-arm64

代码语言：javascript

复制

#有网机器下载过来也一样
wget https://ollama.com/download/ollama-linux-amd64

下载到离线服务器上:/usr/bin/ollama ollama就是你下载的ollama-linux-amd64 改名了（mv），其他步骤一致

1.4 修改存储路径

Ollama模型默认存储在：

macOS: ~/.ollama/models
Linux: /usr/share/ollama/.ollama/models
Windows: C:\Users.ollama\models

如果 Ollama 作为 systemd 服务运行，则应使用以下命令设置环境变量systemctl：

通过调用来编辑 systemd 服务systemctl edit ollama.service。这将打开一个编辑器。
Environment对于每个环境变量，在部分下添加一行[Service]：

直接在“/etc/systemd/system/ollama.service”增了2行:

代码语言：javascript

复制

[Service]
Environment="OLLAMA_HOST=0.0.0.0:7861"
Environment="OLLAMA_MODELS=/www/algorithm/LLM_model/models"

保存并退出。
重新加载systemd并重新启动 Ollama：

代码语言：javascript

复制

systemctl daemon-reload 
systemctl restart ollama

参考链接：https://github.com/ollama/ollama/blob/main/docs/faq.md

使用 systemd 启动 Ollama：

代码语言：javascript

复制

sudo systemctl start ollama

终止

终止(ollama加载的大模型将会停止占用显存，此时ollama属于失联状态，部署和运行操作失效，会报错：

Error: could not connect to ollama app, is it running?需要启动后，才可以进行部署和运行操作

代码语言：javascript

复制

systemctl stop ollama.service

终止后启动（启动后，可以接着使用ollama 部署和运行大模型）

代码语言：javascript

复制

systemctl start ollama.service

1.5 启动LLM

下载模型

代码语言：javascript

复制

ollama pull llama3.1
ollama pull qwen2

运行大模型

代码语言：javascript

复制

ollama run llama3.1
ollama run qwen2

查看是否识别到大模型: ollama list, 如果成功, 则会看到大模型

代码语言：javascript

复制

ollama list
NAME            ID              SIZE    MODIFIED    
qwen2:latest    e0d4e1163c58    4.4 GB  3 hours ago

使用该ollama ps命令查看当前已加载到内存中的模型。

代码语言：javascript

复制

NAME            ID              SIZE    PROCESSOR       UNTIL              
qwen2:latest    e0d4e1163c58    5.7 GB  100% GPU        3 minutes from now

nvidia-smi查看

代码语言：javascript

复制

+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.86.10              Driver Version: 535.86.10    CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  Tesla V100-SXM2-32GB           On  | 00000000:00:08.0 Off |                    0 |
| N/A   35C    P0              56W / 300W |   5404MiB / 32768MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+
                                                                                         
+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A   3062036      C   ...unners/cuda_v11/ollama_llama_server     5402MiB |
+---------------------------------------------------------------------------------------+

启动后，我们可验证是否可用：

代码语言：javascript

复制

curl http://10.80.2.195:7861/api/chat -d '{
  "model": "llama3.1",
  "messages": [
    { "role": "user", "content": "why is the sky blue?" }
  ]
}'

1.6 更多其他配置

Ollama 可以设置的环境变量：

OLLAMA_HOST：这个变量定义了Ollama监听的网络接口。通过设置OLLAMA_HOST=0.0.0.0，我们可以让Ollama监听所有可用的网络接口，从而允许外部网络访问。
OLLAMA_MODELS：这个变量指定了模型镜像的存储路径。通过设置OLLAMA_MODELS=F:\OllamaCache，我们可以将模型镜像存储在E盘，避免C盘空间不足的问题。
OLLAMA_KEEP_ALIVE：这个变量控制模型在内存中的存活时间。设置OLLAMA_KEEP_ALIVE=24h可以让模型在内存中保持24小时，提高访问速度。
OLLAMA_PORT：这个变量允许我们更改Ollama的默认端口。例如，设置OLLAMA_PORT=8080可以将服务端口从默认的11434更改为8080。
OLLAMA_NUM_PARALLEL：这个变量决定了Ollama可以同时处理的用户请求数量。设置OLLAMA_NUM_PARALLEL=4可以让Ollama同时处理两个并发请求。
OLLAMA_MAX_LOADED_MODELS：这个变量限制了Ollama可以同时加载的模型数量。设置OLLAMA_MAX_LOADED_MODELS=4可以确保系统资源得到合理分配。

Environment=“OLLAMA_PORT=9380” 没有用

这样指定：Environment="OLLAMA_HOST=0.0.0.0:7861"
指定 GPU 本地有多张 GPU，如何用指定的 GPU 来运行 Ollama？在Linux上创建如下配置文件，并配置环境变量 CUDA_VISIBLE_DEVICES 来指定运行 Ollama 的 GPU，再重启 Ollama 服务即可【测试序号从0还是1开始，应是从0开始】。

代码语言：javascript

复制

vim /etc/systemd/system/ollama.service
[Service]
Environment="CUDA_VISIBLE_DEVICES=0,1"

1.7 Ollama常见命令

重启 ollama

代码语言：javascript

复制

systemctl daemon-reload
systemctl restart ollama

重启 ollama 服务

ubuntu/debian

代码语言：javascript

复制

sudo apt update
sudo apt install lsof
stop ollama
lsof -i :11434
kill <PID>
ollama serve

Ubuntu

代码语言：javascript

复制

sudo apt update
sudo apt install lsof
stop ollama
lsof -i :11434
kill <PID>
ollama serve

确认服务端口状态：

代码语言：javascript

复制

netstat -tulpn | grep 11434

配置服务

为使外网环境能够访问到服务，需要对 HOST 进行配置。

打开配置文件：

代码语言：javascript

复制

vim /etc/systemd/system/ollama.service

根据情况修改变量 Environment：

服务器环境下：

代码语言：javascript

复制

Environment="OLLAMA_HOST=0.0.0.0:11434"

虚拟机环境下：

代码语言：javascript

复制

Environment="OLLAMA_HOST=服务器内网IP地址:11434"

1.8 卸载Ollama

如果决定不再使用Ollama，可以通过以下步骤将其完全从系统中移除：

（1）停止并禁用服务：

代码语言：javascript

复制

sudo systemctl stop ollama
sudo systemctl disable ollama

（2）删除服务文件和Ollama二进制文件：

代码语言：javascript

复制

sudo rm /etc/systemd/system/ollama.service 
sudo rm $(which ollama)

（3）清理Ollama用户和组：

代码语言：javascript

复制

sudo rm -r /usr/share/ollama
sudo userdel ollama
sudo groupdel ollama

通过以上步骤，不仅能够在Linux平台上成功安装和配置Ollama，还能够灵活地进行更新和卸载。

1.9 Ollama 中运行 Embedding 模型

选择 Embedding 模型：

代码语言：javascript

复制

ollama run mofanke/acge_text_embedding
ollama run shaw/dmeta-embedding-zh
ollama run herald/dmeta-embedding-zh

Ollama 中 Embedding 模型的使用

可以在向量数据库应用中，通过如下方式使用 Ollama 中 Embedding 模型。主要代码如下，主要是 URL 的设置。

代码语言：javascript

复制

ollama_ef = embedding_functions.OllamaEmbeddingFunction(
                url="http://192.2.22.55:11434/api/embeddings",
                model_
)

应用示例代码：

代码语言：javascript

复制

# 不同嵌入模型及函数示例
from chromadb.utils import embedding_functions

#默认使用all-MiniLM-L6-v2，维度为384
default_ef = embedding_functions.DefaultEmbeddingFunction()
embedding1 = default_ef("this is test")

#Ollama 部署的embedding模型
ollama_ef = embedding_functions.OllamaEmbeddingFunction(
                url="http://192.2.22.55:11434/api/embeddings",
                model_
)

embedding2 = ollama_ef("this is test")
#OpenAI
openai_ef = embedding_functions.OpenAIEmbeddingFunction(
                api_key="sk-fastgpt",
                model_
                api_base="http://192.2.22.55:3001/v1"
            )
embedding3 = openai_ef("this is test")

1.10 指定GPU

在Linux上创建如下配置文件，并配置环境变量 CUDA_VISIBLE_DEVICES 来指定运行 Ollama 的 GPU，再重启 Ollama 服务即可

代码语言：javascript

复制

vim /etc/systemd/system/ollama.service
[Service]
Environment="CUDA_VISIBLE_DEVICES=0,1"

2.OpenLLM 部署

OpenLLM 于 2023 年 6 月开源，是一个用于部署大语言模型的框架。目前，该项目在 GitHub 上已经获得了 9.6K星标。其最初的口号是通过一行代码或相对轻松地在不同的大语言模型之间切换，为个人用户提供方便。OpenLLM是一个用于在生产环境中操作大型语言模型（LLM）的开放平台，它可以轻松地微调、服务、部署和监控任何LLM。

安装

代码语言：javascript

复制

pip install openllm  # or pip3 install openllm
openllm hello

支持模型
- Llama-3.1
- Llama-3
- Phi-3
- Mistral
- Gemma-2
- Qwen-2
- Gemma
- Llama-2
- Mixtral

在设置 > 模型供应商 > OpenLLM 中填入：
- 模型名称：
- 服务器 URL：http://<Machine_IP>:3333 替换成您的机器 IP 地址 “保存” 后即可在应用中使用该模型。

OpenLLM 提供了一个内置的 Python 客户端，允许您与模型进行交互。在不同的终端窗口或 Jupyter notebook 中，创建一个客户端以开始与模型交互：

代码语言：javascript

复制

import openllm
client = openllm.client.HTTPClient('http://localhost:3000')
client.query('Explain to me the difference between "further" and "farther"')

可以使用 openllm query 命令从终端查询模型：

代码语言：javascript

复制

export OPENLLM_ENDPOINT=http://localhost:3000
openllm query 'Explain to me the difference between "further" and "farther"'

使用 openllm models 命令查看 OpenLLM 支持的模型及其变体列表。

3.LocalAI 部署

LocalAI 是一个本地推理框架，提供了 RESTFul API，与 OpenAI API 规范兼容。它允许你在消费级硬件上本地或者在自有服务器上运行 LLM（和其他模型），支持与 ggml 格式兼容的多种模型家族。不需要 GPU。 Dify 支持以本地部署的方式接入 LocalAI 部署的大型语言模型推理和 embedding 能力。

giuhub：https://github.com/mudler/LocalAI/tree/master
官网手册：https://localai.io/docs/getting-started/models/
官方快速部署手册案例：https://localai.io/docs/getting-started/models/

首先拉取 LocalAI 代码仓库，并进入指定目录

代码语言：javascript

复制

git clone https://github.com/go-skynet/LocalAI
cd LocalAI/examples/langchain-chroma

下载demo LLM 和 Embedding 模型（仅供参考）

代码语言：javascript

复制

wget https://huggingface.co/skeskinen/ggml/resolve/main/all-MiniLM-L6-v2/ggml-model-q4_0.bin -O models/bert
wget https://gpt4all.io/models/ggml-gpt4all-j.bin -O models/ggml-gpt4all-j

参考文章：告别Hugging Face模型下载难题

配置 .env 文件

代码语言：javascript

复制

mv .env.example .env

NOTE：请确保 .env 中的 THREADS 变量值不超过您本机的 CPU 核心数。

启动 LocalAI

代码语言：javascript

复制

#start with docker-compose
$docker-compose up -d --build

#tail the logs & wait until the build completes
docker logs -f langchain-chroma-api-1
7:16AM INF Starting LocalAI using 4 threads, with models path: /models
7:16AM INF LocalAI version: v1.24.1 (9cc8d9086580bd2a96f5c96a6b873242879c70bc)

 ┌───────────────────────────────────────────────────┐ 
 │                   Fiber v2.48.0                   │ 
 │               http://127.0.0.1:8080               │ 
 │       (bound on host 0.0.0.0 and port 8080)       │ 
 │                                                   │ 
 │ Handlers ............ 55  Processes ........... 1 │ 
 │ Prefork ....... Disabled  PID ................ 14 │ 
 └───────────────────────────────────────────────────┘

开放了本机 http://127.0.0.1:8080 作为 LocalAI 请求 API 的端点。

并提供了两个模型，分别为：

LLM 模型：ggml-gpt4all-j 对外访问名称：gpt-3.5-turbo（该名称可自定义，在 models/gpt-3.5-turbo.yaml 中配置。
Embedding 模型：all-MiniLM-L6-v2 对外访问名称：text-embedding-ada-002（该名称可自定义，在 models/embeddings.yaml 中配置。

使用 Dify Docker 部署方式的需要注意网络配置，确保 Dify 容器可以访问到localAI 的端点，Dify 容器内部无法访问到 localhost，需要使用宿主机 IP 地址。

LocalAI API 服务部署完毕，在 Dify 中使用接入模型

在设置 > 模型供应商 > LocalAI 中填入：

模型 1：ggml-gpt4all-j
- 模型类型：文本生成
- 模型名称：gpt-3.5-turbo
- 服务器 URL：http://127.0.0.1:8080
- 若 Dify 为 docker 部署，请填入 host 域名：http://your-LocalAI-endpoint-domain:8080，可填写局域网 IP 地址，如：http://192.168.1.100:8080
模型 2：all-MiniLM-L6-v2
- 模型类型：Embeddings
- 模型名称：text-embedding-ada-002
- 服务器 URL：http://127.0.0.1:8080
- 若 Dify 为 docker 部署，请填入 host 域名：http://your-LocalAI-endpoint-domain:8080，可填写局域网 IP 地址，如：http://192.168.1.100:8080

如需获取 LocalAI 更多信息，请参考：https://github.com/go-skynet/LocalAI

4.配置LLM+Dify(ollama 🔺)

确认服务端口状态：

代码语言：javascript

复制

netstat -tulnp | grep ollama
#netstat -tulpn | grep 11434

报错： “Error: could not connect to ollama app, is it running?”

参考链接：https://stackoverflow.com/questions/78437376/run-ollama-run-llama3-in-colab-raise-err-error-could-not-connect-to-ollama

/etc/systemd/system/ollama.service文件是：

代码语言：javascript

复制

[Service]
ExecStart=/usr/local/bin/ollama serve
Environment="OLLAMA_HOST=0.0.0.0:7861"
Environment="OLLAMA_KEEP_ALIVE=-1"

运行指令

代码语言：javascript

复制

export OLLAMA_HOST=0.0.0.0:7861
ollama list
ollama run llama3.1

#直接添加到环境变量也可以
vim ~/.bashrc 
source ~/.bashrc

在设置 > 模型供应商 > Ollama 中填入：

模型名称：llama3.1
基础 URL：http://<your-ollama-endpoint-domain>:11434
- 此处需填写可访问到的 Ollama 服务地址。
- 若 Dify 为 docker 部署，建议填写局域网 IP 地址，如：http://10.80.2.195:11434 或 docker 宿主机 IP 地址，如：http://172.17.0.1:11434。
- 若为本地源码部署，可填写 http://localhost:11434。
模型类型：对话
模型上下文长度：4096
- 模型的最大上下文长度，若不清楚可填写默认值 4096。
最大 token 上限：4096
- 模型返回内容的最大 token 数量，若模型无特别说明，则可与模型上下文长度保持一致。
是否支持 Vision：是
- 当模型支持图片理解（多模态）勾选此项，如 llava。
点击 “保存” 校验无误后即可在应用中使用该模型。
Embedding 模型接入方式与 LLM 类似，只需将模型类型改为 Text Embedding 即可。

如果您使用Docker部署Dify和Ollama，您可能会遇到以下错误:

代码语言：javascript

复制

httpconnectionpool(host=127.0.0.1, port=11434): max retries exceeded with url:/cpi/chat (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f8562812c20>: fail to establish a new connection:[Errno 111] Connection refused'))

httpconnectionpool(host=localhost, port=11434): max retries exceeded with url:/cpi/chat (Caused by NewConnectionError('<urllib3.connection.HTTPConnection object at 0x7f8562812c20>: fail to establish a new connection:[Errno 111] Connection refused'))

这个错误是因为 Docker 容器无法访问 Ollama 服务。localhost 通常指的是容器本身，而不是主机或其他容器。要解决此问题，您需要将 Ollama 服务暴露给网络。

4.1.多模型对比

参考单个模型部署一样，进行再一次配置添加即可

需要注意的是添加完新的模型配置后，需要刷新dify网页，直接网页端刷新就好，新添加的模型就会加载进来

可以看到调用后模型资源消耗情况

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型实际应用案例分享

①智能客服：某科技公司员工在学习了大模型课程后，成功开发了一套基于自然语言处理的大模型智能客服系统。该系统不仅提高了客户服务效率，还显著降低了人工成本。
②医疗影像分析：一位医学研究人员通过学习大模型课程，掌握了深度学习技术在医疗影像分析中的应用。他开发的算法能够准确识别肿瘤等病变，为医生提供了有力的诊断辅助。
③金融风险管理：一位金融分析师利用大模型课程中学到的知识，开发了一套信用评分模型。该模型帮助银行更准确地评估贷款申请者的信用风险，降低了不良贷款率。
④智能推荐系统：一位电商平台的工程师在学习大模型课程后，优化了平台的商品推荐算法。新算法提高了用户满意度和购买转化率，为公司带来了显著的增长。
…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。

学习资料领取

如果你对大模型感兴趣，可以看看我整合并且整理成了一份AI大模型资料包，需要的小伙伴文末免费领取哦，无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发
在这里插入图片描述

部分资料展示

一、 AI大模型学习路线图

整个学习分为7个阶段
在这里插入图片描述

二、AI大模型实战案例

涵盖AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，皆可用。
在这里插入图片描述

三、视频和书籍PDF合集

从入门到进阶这里都有，跟着老师学习事半功倍。
在这里插入图片描述

在这里插入图片描述

如果二维码失效，可以点击下方链接，一样的哦
【CSDN大礼包】最新AI大模型资源包，这里全都有！无偿分享！！！

😝朋友们如果有需要的话，可以V扫描下方二维码联系领取~
在这里插入图片描述

大模型玩家

关注

28
点赞
踩
28

收藏

觉得还不错? 一键收藏
0
评论
LLM大模型部署宝典：Ollama简化流程、OpenLLM灵活配置、LocalAI本地化优化

Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。，这是 Ollama 的官网地址：https://ollama.com/
复制链接

扫一扫