Ollama (https://ollama.com/) 是一款命令行工具,可在 macOS 、 Linux 、Windows 上本地运行 Llama 2、Code Llama 、Gemma 等模型。
Ollama 目前支持近二十多个语言模型系列(https://ollama.com/library),每个模型系列都有许多可用的 “tags”。Tags 是模型的变体,这些模型使用不同的微调方法以不同的规模进行训练,并以不同的级别进行量化,以便在本地良好运行。
下面以我的15年的MacBook Pro来跑Gemma模型(https://ai.google.dev/gemma/docs),下载Ollama对应版本后,直接放入应用目录,然后命令行执行。
ollama run gemma:2b
Gemma 有 2B 与 7B 两个版本,我这里用低的这个版本。上面这个命令会自动下载对应的模型。
https://ollama.com/library/gemma
Gemma 2B效果: 写诗
写一首关于计算机的诗,用中文。
码头思绪,硬件原理,
逻辑思索,软件原理。
硬件硬件,软件软件,
通往无限,通往未来。
微处理器,控制一切,
内存存储,数据流,功能。
操作系统,层层共建,
管理系统,服务人。
软件程序,指令流,
处理数据,完成任务。
网络通信,连接世界,
人工智能,智能析。
代码,灵魂poken,机灵poken,
人工智能,想象无限。
计算机,文明的核心,
赋予人类,赋予生活。
Gemma 2B效果: 写评论
写一段不超过30个字的,赞美直播博主歌唱的好,用于直播间的评论。
Your melodious vocals soar, captivating the crowd. Your music transports
me, a blissful escape from the mundane. #SupportLiveMusic
通过API调用 Ollama
Ollama 运行和管理模型是有 REST API 接口的。
curl http://localhost:11434/api/generate -d '{
"model": "gemma:2b",
"prompt":"Why is the sky blue?"
}'
curl http://localhost:11434/api/chat -d '{
"model": "mistral",
"messages": [
{ "role": "user", "content": "why is the sky blue?" }
]
}'
上面API返回的是类似如下的内容:
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.137391Z","response":"The","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.25168Z","response":" sky","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.353537Z","response":" appears","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:09.45868Z","response":" blue","done":false}
...
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.301459Z","response":" appears","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.408377Z","response":" blue","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.517119Z","response":".","done":false}
{"model":"gemma:2b","created_at":"2024-02-22T08:52:14.622311Z","response":"","done":true,"context":[106,1645,108,4385,603,573,8203,3868,235336,107,108,106,2516,108,651,8203,8149,3868,3402,577,153902,38497,235265,153902,38497,603,573,38497,576,2611,731,16791,16071,575,573,13795,235265,7640,2611,919,476,25270,35571,1178,1156,9276,235269,712,665,603,30390,978,16347,1178,1156,9276,235265,1417,603,3165,573,8203,8149,3868,235265,107,108],"total_duration":10581960235,"load_duration":4028201095,"prompt_eval_count":15,"prompt_eval_duration":1068217000,"eval_count":52,"eval_duration":5484814000}
直接提问则显示如下:
机器负载情况
我这里是一台15年的MacBook Pro
在生产时,使用CPU,负载情况如下:
可以看到老机器,或者手机是完全可以本地跑这个模型的。
总结
Ollama 是一个跨平台命令行工具,支持在本地运行多种语言模型。
Ollama 支持通过 REST API 接口管理模型,使得开发相对简单。
即便在老旧设备上,也能轻松本地运行Gemma + Ollama模型,实现人手一个大模型。
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、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,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓