【Ollama】AI大模型本地部署终极指南

最新推荐文章于 2024-10-01 17:01:16 发布

江湖人称麻花滕

最新推荐文章于 2024-10-01 17:01:16 发布

阅读量1.6k

点赞数 28

文章标签：人工智能 easyui 前端大数据算法架构 javascript

本文链接：https://blog.csdn.net/m0_59235699/article/details/140645645

版权

01.引言

探索AI新纪

AI技术正以惊人速度进步，大型语言模型（LLMs）在自然语言处理和内容创作等领域展现出巨大潜力。Ollama，作为本地AI模型部署的创新者，为开发者和用户提供了前所未有的隐私保护和便捷性。

保护隐私，便捷操作

Ollama允许用户在本地机器上直接运行AI模型，无需担心数据隐私泄露，尤其适合对数据安全有高要求的用户。

技术前沿，触手可及

Ollama代表了前沿技术，它的易用性和开放性让AI技术更加民主化，让每个人都能轻松利用AI解决实际问题。

02.Ollama全景

框架定位

Ollama是一个轻量级、高度可扩展的框架，专为本地运行大型语言模型而设计。

核心功能

模型运行：本地运行多种大型语言模型。
模型管理：下载、更新、删除模型。
自定义模型：通过Modelfile调整模型参数。
API支持：提供REST API和编程语言库。
多模态能力：处理图像等多模态数据。
安全性：注重数据加密和安全。

技术优势

本地化部署：提高数据处理隐私性。
易用性：简化模型部署流程。
灵活性：高度定制性和集成性。
社区支持：活跃社区和丰富文档。

应用场景

自然语言处理、代码生成、教育研究、企业解决方案等。

03.安装配置

系统要求

兼容macOS、Windows、Linux。
至少4GB RAM，推荐8GB。
至少100GB硬盘空间。

安装方法

curl -fsSL https://ollama.com/install.sh | sh

除了这种方式，Ollama还提供了包管理器、Docker、源码编译等多种安装方式

验证安装

ollama --version

启动服务

ollama serve

04.快速开始

Ollama提供了丰富的预构建模型库，您可以根据自己的需求选择合适的模型进行部署。

查看模型列表

ollama list

运行模型：

ollama run llama3

执行效果如下：

ollama run llama3"你是谁？"

执行效果如下：

05.REST API

如果您更喜欢使用编程方式，可以通过Ollama的REST API与模型交互。

例如，使用curl发送请求：

1）生成********响应

POST /api/generate

使用提供的模型为给定提示生成响应。这是一个流式处理终结点，因此会有一系列响应。最终响应对象将包括来自请求的统计信息和其他数据。

参数说明：

model：（必填）型号名称
prompt：生成响应的提示
images：（可选）base64 编码图像列表（对于多模态模型，例如llava)
高级参数（可选）：
format：返回响应的格式。目前唯一接受的值是json
options：模型文件文档中列出的其他模型参数，例如temperature
system：系统消息（覆盖Modelfile)
template：要使用的提示模板（覆盖Modelfile)
context：从上一个请求返回的上下文参数，这可用于保持较短的对话记忆/generate
stream：如果响应将作为单个响应对象返回，而不是对象流false
raw：如果不对提示应用任何格式。如果您在对 API 的请求中指定了完整的模板化提示，则可以选择使用该参数trueraw
keep_alive：控制模型在请求后加载到内存中的时间（默认：5m)

请求示例：

curl http://localhost:11434/api/generate -d '{``"model": "llama3",``"prompt": "Why is the sky blue?"``}'

输出结果：

{``"model": "llama3",``"created_at": "2023-08-04T08:52:19.385406455-07:00",``"response": "The",``"done": false``}

2）聊天对话

POST /api/chat

在与提供的模型的聊天中生成下一条消息。这是一个流式处理终结点，因此会有一系列响应。可以使用禁用流式处理。最终响应对象将包括来自请求的统计信息和其他数据。“stream”: false

参数说明：

model：（必填）型号名称
messages：聊天的消息，这可以用来保留聊天记忆
该对象具有以下字段：message
role：消息的角色，或systemuserassistant
content：消息内容
images（可选）：要包含在消息中的图像列表（对于多模态模型，例如llava)
高级参数（可选）：
format：返回响应的格式。目前唯一接受的值是json
options：模型文件文档中列出的其他模型参数，例如temperature
stream：如果响应将作为单个响应对象返回，而不是对象流false
keep_alive：控制模型在请求后加载到内存中的时间（默认：5m)

请求示例：

curl http://localhost:11434/api/chat -d '{``"model": "llama3",``"messages": [``{``"role": "user",``"content": "why is the sky blue?"``}``]}'

输出结果：

{``"model": "llama3",``"created_at": "2023-08-04T08:52:19.385406455-07:00",``"message": {``"role": "assistant",``"content": "The",``"images": null``},``"done": false``}

Ollama作为本地AI模型运行平台，展现了强大的能力和深远影响。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述