ollama如何保持模型加载在内存（显存）中或立即卸载

一、ollama如何保持模型加载在内存中或立即卸载？

默认情况下，模型在生成响应后会在内存中保留 5 分钟。这允许在您多次请求 LLM 时获得更快的响应时间。然而，您可能希望在 5 分钟内释放内存，或者希望模型无限期地保留在内存中。使用 keep_alive 参数与 /api/generate 或 /api/chat API 端点，可以控制模型在内存中保留的时间。

keep_alive 参数可以设置为：

• 一个持续时间字符串（例如 “10m” 或 “24h”）
• 一个以秒为单位的数字（例如 3600）
• 任何负数，这将使模型无限期地保留在内存中（例如 -1 或 “-1m”）
• ‘0’ 这将使模型在生成响应后立即卸载

例如，要预加载模型并使其保留在内存中，请使用：

curl http://localhost:11434/api/generate -d '{"model": "qwen2", "keep_alive": -1}'

要卸载模型并释放内存，请使用：

curl http://localhost:11434/api/generate -d '{"model": "qwen2", "keep_alive": 0}'

或者，可以通过在启动 Ollama 服务器时设置环境变量 OLLAMA_KEEP_ALIVE 来更改所有模型在内存中保留的时间。OLLAMA_KEEP_ALIVE 变量使用与上述 keep_alive 参数相同的参数类型。

如果希望覆盖 OLLAMA_KEEP_ALIVE 设置，请使用 keep_alive API 参数与 /api/generate 或 /api/chat API 端点。

二、在启动时添加OLLAMA_KEEP_ALIVE环境参数

docker run -d --gpus=all -e OLLAMA_KEEP_ALIVE=-1 --restart=always -v /home/docker/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

查看是否设置成功

docker exec -it ollama env