掌握 Llama 3.1：轻松本地部署与远程使用的全攻略

前言:

Llama 3.1 是 Meta（Facebook 的母公司）发布的一系列最先进的开源大语言模型。Llama 3.1 系列包括 8B（80 亿参数）、70B（700 亿参数）和 405B（4050 亿参数）模型。其中，405B 是 Meta 迄今为止最大的模型。

本地部署的硬件要求，请确认您的硬件是否能够正常运行，以免浪费时间

Windows：3060以上显卡+8G以上显存+16G内存，硬盘空间至少20G

Mac：M1或M2芯片 16G内存，20G以上硬盘空间

具体模型的显卡需求：

• llama3.1-8b，至少需要8G的显存

• llama3.1-70b，至少需要大约 70-75 GB 显存

• llama3.1-405b，运行需要非常高的显存和硬件资源，至少需要大约 400-450 GB 显存，请谨慎选择。

如果确定没问题，请继续往下看。

一、下载Ollama

Ollama 是一个开源的大模型管理工具，它提供了丰富的功能，包括模型的训练、部署、监控等。通过Ollama，你可以轻松地管理本地的大模型，提高模型的训练速度和部署效率。此外，Ollama还支持多种机器学习框架，如TensorFlow、PyTorch等，使得你可以根据自己的需求选择合适的框架进行模型的训练。【官网下载地址需要的请留言】请根据您的系统下载对应的版本

二、安装使用Ollama

双击安装，默认安装在C盘。安装完成后打开 windows powershell 或 CMD 命令行终端，输入 ollama 命令，回车，即可显示 ollama 命令的使用帮助

三、下载llama 3.1模型文件

运行CMD命令，输入

ollama run llama3.1:8b

如果你的硬件强悍，显卡非常好，也下载更大的llama 3.1的模型70B和405B

ollama run llama3.1:70b   
ollama run llama3.1:405b

耐心等待下载加载完成后就可以对话测试看看有没有问题。

四、配置远程访问

Ollama 启动的默认地址为http://127.0.0.1:11434，我们需要远程调用，可以通过设置环境变量 OLLAMA_HOST来修改默认监听地址和端口

三个变量的用途

变量名	值	说明
OLLAMA_HOST	0.0.0.0:8888	用于配置监听的 IP 和端口
OLLAMA_ORIGINS	*	支持跨域访问，也可以指定特定域名，如：”baidu.com,hello.com”
OLLAMA_MODELS	C:\Users\Administrator\.ollama	模型文件较大，建议调整到数据盘目录下。

windows 修改环境变量的方法：

1、停止和退出ollama 服务

2、右键”此电脑 > 属性 > 高级系统设置 > 环境变量 > Administrator 的用户变量 > 新建用户变量”，把3个变量依次添加进去

3、然后重新启动 ollama 服务并加载模型

4、接下来我们就可以使用可视化的Web UI来远程使用了，这类UI有很多，推荐2款，之前有过介绍和官方都有详尽的文档，就不多说了，请参照官方文档。

Open WebUI

• Github: https://github.com/open-webui/open-webui

• 官方文档：https://docs.openwebui.com/

LobeChat

• Github: https://github.com/lobehub/lobe-chat

• 官方文档：https://lobehub.com/zh/docs/self-hosting/start

结语：

好了，本篇文章到此结束。写起来密密麻麻，做起来其实很简单，希望对大家有所帮助。

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】🆓