Ollama 高阶配置，如何增加上下文窗口大小？

最新推荐文章于 2025-03-19 11:05:11 发布

程序猿李巡天

最新推荐文章于 2025-03-19 11:05:11 发布

阅读量1.2w

点赞数 12

文章标签：人工智能开源 embedding python tensorflow

本文链接：https://blog.csdn.net/m0_59235945/article/details/141902371

版权

使用Ollama部署大模型的时候，有几个注意事项要注意。Ollama默认的上下文窗口只有2K，多张显卡可能资源分配不均等问题，计算速度不够快。

我们先看一下Ollama可配置环境变量：

OLLAMA_DEBUG: 显示额外的调试信息（例如：OLLAMA_DEBUG=1）。

OLLAMA_HOST: Ollama 服务器的 IP 地址（默认值：127.0.0.1:11434）。

OLLAMA_KEEP_ALIVE: 模型在内存中保持加载的时长（默认值：“5m”）。

OLLAMA_MAX_LOADED_MODELS: 每个 GPU 上最大加载模型数量。

OLLAMA_MAX_QUEUE: 请求队列的最大长度。

OLLAMA_MODELS: 模型目录的路径。

OLLAMA_NUM_PARALLEL: 最大并行请求数。

OLLAMA_NOPRUNE: 启动时不修剪模型 blob。

OLLAMA_ORIGINS: 允许的源列表，使用逗号分隔。

OLLAMA_SCHED_SPREAD: 始终跨所有 GPU 调度模型。

OLLAMA_TMPDIR: 临时文件的位置。

OLLAMA_FLASH_ATTENTION: 启用 Flash Attention。

OLLAMA_LLM_LIBRARY: 设置 LLM 库以绕过自动检测。

1. 显卡资源使用不均横

设置环境变量OLLAMA_SCHED_SPREAD为1即可。

2. 加速计算

FlashAttention 是一种优化的注意力机制，用于加速深度学习模型中常见的自注意力计算，尤其是在Transformer架构中。它通过改进内存访问模式和计算策略，显著提高了计算效率和内存使用率。

我们可以通过设置环境变量OLLAMA_FLASH_ATTENTION为1，开启改选项。

增加上下文窗口

假设你从Ollama上拉取了大模型，其默认的窗口大小只有2048。我们可以通过如下方法，提高上下文窗口。

ollama show --modelfile qwen2:72b > Modelfile

我们看一下生成的Modelfile。

# Modelfile generated by "ollama show"   # To build a new Modelfile based on this, replace FROM with:   # FROM qwen2:72b      FROM C:\Users\Administrator\.ollama\models\blobs\sha256-f6ac28d6f58ae1522734d1df834e6166e0813bb1919e86aafb4c0551eb4ce2bb   TEMPLATE "{{ if .System }}<|im_start|>system   {{ .System }}<|im_end|>   {{ end }}{{ if .Prompt }}<|im_start|>user   {{ .Prompt }}<|im_end|>   {{ end }}<|im_start|>assistant   {{ .Response }}<|im_end|>   "   PARAMETER stop <|im_start|>   PARAMETER stop <|im_end|>   LICENSE """Tongyi Qianwen LICENSE AGREEMENT      Tongyi Qianwen Release Date: August 3, 2023   ....   """

然后在PARAMETER处增加如下配置，32768就是上下文窗口大小，设置成你想要的即可。

注意增加上下文窗口可能增加显存的使用，谨慎增加。

PARAMETER num_ctx 32768

然后创建新模型即可

ollama create qwen2:72b-32k -f Modelfile

接下来，你就可以使用运行具有更高上下文的模型了。

ollama run qwen2:72b-32k

在使用OpenAI接口调用时候，模型的名称也要改成qwen2:72b-32k。

支持的并发请求数量

可以考虑配置OLLAMA_NUM_PARALLEL，默认一般是4或者1。它会相应的增加上下文，比如一个请求2048 Tokens。如果是4个并行，那么就会消耗4*2048的上下文窗口。

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