本地如何通过Ollama部署llama3、phi3等本地大模型？

一、ollama是什么?

在本地启动并运行大型语言模型。运行Llama 3，Mistral, Gemma, Code Llama和其他模型。自定义并创建您自己的。

优势如下：

• • 快速下载+容器自动运行大模型，现在下载，马上上手。

• • 本地利用 cpu 运行大模型，本地安全可靠。

• • ollama 命令，管理大模型相对方便，也可以多个大模型中切换。

• • 终端直接开始聊天。

• • 社区提供了支持 web api 方式访问 WebUI。

官方网站： Ollama

github ：https://github.com/ollama/ollama

二、准备和安装工作

设备需求和辅助软件：

• • Ollama自带docker ，为了方便部署软件。

• • 良好的网络环境，大模型还是要先下载下来的。

• • 配置要求：一般来说参数越大，需要配置越好。

• • 存储空间：确保硬盘空间充足，并且学会设置环境变量来调整保存model的地址，别再下载到C盘了！

model地址和环境变量设置

win10 设置系统环境变量：OLLAMA_MODELS，值设置本地路径，找个盘空间大点的

下载ollama

官方网站： Ollama

进入 ollama 下载页面，选择自己的系统版本的下载并安装即可。

检验是否安装成功

打开cmd命令窗口，输入ollama

Microsoft Windows [版本 10.0.19045.4291]  
(c) Microsoft Corporation。保留所有权利。  
  
C:\Users\hcq>ollama  
Usage:  
  ollama [flags]  
  ollama [command]  
  
Available Commands:  
  serve       Start ollama  
  create      Create a model from a Modelfile  
  show        Show information for a model  
  run         Run a model  
  pull        Pull a model from a registry  
  push        Push a model to a registry  
  list        List models  
  cp          Copy a model  
  rm          Remove a model  
  help        Help about any command  
  
Flags:  
  -h, --help      help for ollama  
  -v, --version   Show version information  
  
Use "ollama [command] --help" for more information about a command.  
  
C:\Users\hcq>

三、ollama 模型库

详见library (https://ollama.com)，用于搜索已收录的模型库。以下是一些流行的模型：

模型	参数	尺寸	执行下载
Llama3 8B	8B	4.7GB	ollama run llama3:8b
Llama3 70B	70B	40GB	ollama run llama3:70b
Mistral	7B	26GB	ollama run mistral
Code Llama 7b	7B	3.8GB	ollama run codellama:7b
Code Llama 13b	13B	7.4GB	ollama run codellama:13b
Code Llama 34b	34B	19GB	ollama run codellama:34b
Code Llama 70b	70B	39GB	ollama run codellama:70b
Gemma	2B	1.7GB	ollama run gemma:2b
Gemma	7B	5GB	ollama run gemma:7b

Llama 3的亮点和特性如下：

基于超过15T token训练，大小相当于Llama 2数据集的7倍还多；训练效率比Llama 2高3倍；支持8K长文本，改进的tokenizer具有128K token的词汇量，可实现更好的性能；在大量重要基准测试中均具有最先进性能；增强推理和代码能力；安全性有重大突破，带有Llama Guard 2、Code Shield 和 CyberSec Eval 2的新版信任和安全工具，还能比Llama 2有更好“错误拒绝表现”。

四、下载运行模型

ollama run llama3:8b

直接在终端中对话：用 llama3 模型写一个 python函数 或者 回答你的一些知识类问题

根据实际测试，llama3 70B在windows10环境下，基本占用32GB内存，llama3 8B基本占用16GB内存。

建议至少不低于48GB或64GB内存，否则没有足够内存支持运行其他程序。

第三方API调用

API调用默认端口 11434

本地地址参考：127.0.0.1:11434

五、通过seo-tool工具调用

seo-tool工具已集成ollama接口，只要在调用前本地启动模型即可，而且通过seo-tool可以根据标题或关键词批量生成文章，如果本地跑llama3费劲，可以调用 ollama run qwen 来运行阿里的通译千问大模型，生成内容质量还可以而且速度也很快，（题外：生成的文章如果收录不是很好，最好不要用markdown格式和html格式，直接用文本格式）

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】🆓