Meta公司一直致力于这样一个理念：“ that open source not only provides great technology for developers, but also brings the best out in people”，翻译过来就是开源不仅为开发人员提供了出色的技术，而且还将给人们带来更好的。但是前几天李彦宏说开源模型没有未来？我们的红衣大叔安全专家周总也提倡大家开源。
所以，到底开源好还是闭源好呢？
今天通过一个大模型案例来简单思考下这个问题。
下面主要介绍如何在本地部署llama3大模型，本次介绍拥有80亿参数的llama3:8B版本的部署。
大模型排名情况
简单介绍llama3大模型
Llama 3是Meta 公司开发的Llama系列模型的第三个版本，本次提供 8B 和 70B 参数大小的版本。Llama3拥有改进的推理能力。
llama3大模型的版本
| 模型版本 | 参数大小 | 模型大小 | 发布时间 |
|---|---|---|---|
| llama3:70b | 700亿 | 40GB | 2024-4-18 |
| llama3:8b | 80亿 | 4.7GB | 2024-4-18 |
预告了正在训练中的400B+模型，性能追赶GPT4
指令微调模型
预训练模型
开始部署
技术栈组成
-
系统：linux系统（内存16GB 、CPU4C、 存储100GB、 无显卡）
-
大模型运行框架：ollama
-
使用模型：llama3:8b
-
web项目：open-webui
[本次使用8b模型，节省下载时间，如需使用其他模型，方法步骤相同，切换下载的模型即可]
第一步：安装ollama
- linux上安装很简单,官网：https://ollama.com/
curl -fsSL https://ollama.com/install.sh | sh
- 修改ollama服务启动脚本
vim /etc/systemd/system/ollama.service ... [Service] #增加,（不修改，后续如果其他主机调用api接口会报无法连接错） Environment="OLLAMA_HOST=0.0.0.0:11434" ...
- 启动ollama服务
systemctl daemon-reload systemctl restart ollama
- 测试ollama接口是否可以访问
直接浏览器访问http://服务器ip:11434，如返回 ollama in runninng,表示正常，可以继续下面的步骤
第二步：模型管理—下载模型llama3:8b
- 安装好ollama后直接使用ollama下载运行llama3:8b即可（如需下载其他模型，使用此方法即可，建议多尝试几个模型比如gemma、qwen等）
ollama run llama3:8b
第三步：部署open-webui
本次介绍使用open-webui来接入大模型，如有其他web项目，也可以使用，保持ollama接口一致即可
- 使用docker部署open-webui，需要补充docker基础知识的朋友可以参考安装docker教程
docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always ghcr.io/open-webui/open-webui:main #如果镜像拉取速度慢，可以使用下面的镜像 docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always registry.cn-hangzhou.aliyuncs.com/pzl_images/open-webui:main
-
部署完，访问
http://ip:8080 -
注册管理员账号（注意，注册的第一个账号为管理员账号，后面注册的账号均无管理权限，且需管理员同意注册）
4. 管理员设置—需要在管理员设置中，修改默认用户角色为“用户”，不然新注册用户无法直接登录使用，需要管理员面板中分配角色才能使用
- 选则对话模型
第四步：开始使用AI
- 普通用户界面
- 管理员界面
注意，如果你的ollama上跑了多个模型，需要在使用前切换模型
到这里，就介绍完了，如何使用Ollama部署AI大模型，就是这么简单
读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
👉AI大模型学习路线汇总👈
大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
2214
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
