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
】🆓