使用ollama导入模型

       ollama可以轻松在本地部署大语言模型，简单方便，并且内置了丰富的大语言模型库，涵盖多种类型的模型，可以很方便的拉取模型。但是有时候想要通过ollama部署自己的大语言模型，或者从huggingface、hf-mirror以及modelscope上下载模型，就需要先将模型导入到ollama，然后进行运行。

        目前从上面网站上下载的原始模型文件主要为.safetensors格式或者.gguf格式。

1、 导入.safetensors 模型或适配器

从safetensors权重导入模型，首先需要创建一个Modelfile文件，其中包含一个指向包含你的 Safetensors 权重的目录的 FROM 命令

模型目录应包含支持架构的 Safetensors 权重。

目前支持的模型架构：

• Llama（包括 Llama 2、Llama 3、Llama 3.1 和 Llama 3.2）
• Mistral（包括 Mistral 1、Mistral 2 和 Mixtral）
• Gemma（包括 Gemma 1 和 Gemma 2）
• Phi3

Modelfile内容包括：

        FROM <model directory>

如下，指向.safetensors文件所在的文件夹

从 Safetensors 权重导入微调适配器

Modelfile内容包括：

        FROM <base model name>

        ADAPTER <path to safetensor adapter>

目前支持的 Safetensor 适配器：

•         Llama（包括 Llama 2、Llama 3 和 Llama 3.1）
  •         Mistral（包括 Mistral 1、Mistral 2 和 Mixtral）
    •         Gemma（包括 Gemma 1 和 Gemma 2）

从创建 Modelfile 的目录中运行 ollama create 命令

ollama create my-model-name -f <path of model_file>

另外，可以使用ollama show --modulefile <model name>查看相同架构的模型的modelfile的写法。

2、导入 GGUF 的模型或适配器

可以通过以下方式获取 GGUF 模型或适配器：

1. 使用 Llama.cpp 中的 convert_hf_to_gguf.py 脚本将 Safetensors 模型转换为 GGUF 模型；
2. 使用 Llama.cpp 中的 convert_lora_to_gguf.py 脚本将 Safetensors 适配器转换为 GGUF 适配器；
3. 从 HuggingFace 等地方下载模型或适配器

要导入 GGUF 模型，创建一个 Modelfile，内容包括：

        FROM /path/to/file.gguf

与safetensors文件不同，这里直接指向gguf文件。

对于 GGUF 适配器，创建 Modelfile，内容如下：

        FROM /path/to/file.gguf

        ADAPTER /path/to/file.gguf

在导入 GGUF 适配器时，重要的是使用与创建适配器时所用的相同基础模型。

一旦你创建了 Modelfile，请使用 ollama create 命令来构建模型。

ollama create my-model-name -f <path of model_file>

3、量化模型

        量化模型可以让你以更快的速度和更少的内存消耗运行模型，但精度会有所降低        。

        Ollama 可以使用 -q/--quantize 标志与 ollama create 命令将基于 FP16 和 FP32 的模型量化为不同的量化级别。

        首先，创建一个包含你希望量化的 FP16 或 FP32 基础模型的 Modelfile。

        FROM /path/to/model

        使用 ollama create 来创建量化模型。

        ollama create --quantize q4_K_M mymodel

支持的量化方式

• q4_0
• q4_1
• q5_0
• q5_1
• q8_0
• q3_K_S
• q3_K_M
• q3_K_L
• q4_K_S
• q4_K_M
• q5_K_S
• q5_K_M
• q6_K

4、llama.cpp的下载和安装

        llama.cpp 是一个开源项目，它提供了一种简单而高效的方法来进行模型的量化，同时还能进行模型格式的转换。对于safetensors格式的模型，有些模型ollama无法导入（如 deepseek的模型），因此需要使用llama.cpp来进行格式的转换。使用方式如下：

（1）llama.cpp下载

        git clone https://github.com/ggerganov/llama.cpp

        cd llama.cpp

（2）安装python库

        pip install -r requirements.txt

（3）将 safetensors 转换为 gguf 格式

        python convert_hf_to_gguf.py <model path> --outtype f16

        --outtype后面跟量化类型，使用f16或者f32表示不进行量化。

以上便是使用ollama导入模型的方法。