【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)

一、安装OLLAMA

Qwen7b.gguf是阿里巴巴的通义千问大模型,7B大模型,7亿参数,至少需要8G内存,越大回复越流畅

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能

下载完后,双击OllamaSetup,自动安装成功,默认安装在C盘,不能选择安装路径的哦,安装完后,右下角会出现Ollama图标。

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_ai_02

二、创建环境变量

OLLAMA_MODELS,随意指定变量值,如图所示:

Python
OLLAMA_MODELS

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_03

三、重启OLLAMA

选择右键小图标,然后退出,

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_agi_04

在开始菜单中找到重启Ollama

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_agi_05

四、重启后目录如下:

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_ai_06

五、创建Modelfile

在blobs下创建Modelfile文件,没有后缀。

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_07

六、加载模型

1、将qwen7b.gguf模型放到F:\Ollama\models\blobs目录下,和ModelFile同目录(不一定非要同目录,如果放到其他地方,以下路径随着更改就行)

Plain Text
FROM ./qwen7b.gguf

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_08

2、在Modelfile所在路径输入cmd,然后回车:

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_09

3、执行命令

Plain Text
ollama create qwen -f Modelfile.txt

等待差不多10分钟,出现success表示成功。

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_10

七、成功后的目录

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_11

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_12

八、查看模型

Plain Text
ollama list

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_windows_13

九、运行模型

Plain Text
ollama run  qwen

运行成功的窗口如下:

这样就可以开始对话了

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_14

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_agi_15

我们接着讲解,如何通过AnythingLLM实现友好对话的

安装AnythingLLM

双击安装包,它会自动安装完成

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_16

这是安装后的界面

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_17

接下来我们设置一下ollama配置,anythingllm是一个前端,ollama是一个运行大模型的后台,我们现在需要通过anyhtingllm去调用后台接口,方便我们实现友好对话

配置ollama

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_agi_18

llmProvider这里选择Ollama,后台访问接口地址url默认为:http://127.0.0.1:11434 ,模型我们选择llama3中文版,也可以选择已经安装的模型qwen,token默认即可,如下图所示:

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_ai_19

设置向量数据库

选择lanceDB即可

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_20

新建空间

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_21

接下来我们测试一下

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_人工智能_22

【AI大模型部署】本地离线部署大模型Ollama+AnythingLLM(保姆级)_语言模型_23

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。

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🆓↓↓↓

👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

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。

在这里插入图片描述

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)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)

在这里插入图片描述

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🆓↓↓↓

👉CSDN大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

### Ollama 离线部署教程 #### 准备工作环境 为了确保能够在离线环境中成功部署 Ollama 平台并运行大型语言模型 (LLM),需要提前准备一个能够访问互联网的工作站来获取必要的资源文件。这一步骤至关重要,因为后续操作将在完全断网的情况下执行。 #### 获取所需镜像和依赖项 利用一台可以上网的机器通过 Docker CLI 下载官方提供的 Ollama 镜像以及目标 LLM 的预训练权重文件。这些数据应当被保存到外部存储介质上以便之后传输给目标设备[^1]。 ```bash docker pull ollama/ollama:latest ``` #### 转移至目标主机 将之前下载好的所有资料拷贝进计划使用的计算节点内;此过程可能涉及物理媒介交换或是局域网络内的安全复制工具如 `scp` 或者 `rsync` 来完成迁移任务。 #### 安装Docker引擎 确认目的计算机已正确安装了适当版本的 Docker 引擎,并且可以正常启动容器实例而无需联网验证或更新组件。如果尚未配置好,则需参照官方文档指导完成本地化设置流程。 #### 加载镜像与初始化服务 借助于先前导出的数据包,在无外联条件下恢复所需的软件栈: ```bash docker load -i /path/to/saved_image.tar docker run --name my_ollama_service -d -p 8080:8080 ollama/ollama ``` 此时应该可以在隔离环境下启动基于 Ollama 构建的应用程序接口(API)端点监听指定端口等待请求到来。 #### 运行特定的大规模语言模型 最后按照所选模型的要求调整参数设定并通过 API 发送指令加载对应的神经网络结构及其参数集,从而实现预期功能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值