ToB企服应用市场:ToB评测及商务社交产业平台

标题: ollama 摆设教程（window、linux） [打印本页]

作者: tsx81428 时间: 2024-10-20 06:47
标题: ollama 摆设教程（window、linux）
目录
一、官网
二、安装方式一：window10版本下载
三、安装方式二：linux版本docker
四、模型库
五、运行模型
六、API服务
七、python调用
ollama库调用
langchain调用
requests调用
aiohttp调用
八、模型添加方式
1.线上pull
2.导入 GGUF 模型文件
3.导入 safetensors 模型文件
九、摆设Open WebUI

参考链接：Ollama完备教程：当地LLM管理、WebUI对话、Python/Java客户端API应用 - 老牛啊 - 博客园 (cnblogs.com)

https://www.cnblogs.com/obullxl/p/18295202/NTopic2024071001
一、官网

在 macOS 上下载 Ollama - Ollama 中文
二、安装方式一：window10版本下载

安装完成没有提示。接下来配置情况变量！
Ollama的安装过程，与安装其他普通软件并没有什么两样，安装完成之后，有几个常用的系统情况变量参数发起进行设置：

OLLAMA_MODELS：模型文件存放目录，默认目录为当前用户目录（Windows 目录：C:\Users%username%.ollama\models，MacOS 目录：~/.ollama/models，Linux 目录：/usr/share/ollama/.ollama/models），假如是 Windows 系统发起修改（如：D:\OllamaModels），制止 C 盘空间吃紧
OLLAMA_HOST：Ollama 服务监听的网络地点，默认为127.0.0.1，假如允许其他电脑访问 Ollama（如：局域网中的其他电脑），发起设置成0.0.0.0，从而允许其他网络访问
OLLAMA_PORT：Ollama 服务监听的默认端口，默认为11434，假如端口有辩论，可以修改设置成其他端口（如：8080等）
OLLAMA_ORIGINS：HTTP 客户端哀求来源，半角逗号分隔列表，若当地使用无严格要求，可以设置成星号，代表不受限定
OLLAMA_KEEP_ALIVE：大模型加载到内存中后的存活时间，默认为5m即 5 分钟（如：纯数字如 300 代表 300 秒，0 代表处理哀求响应后立刻卸载模型，任何负数则表现不停存活）；我们可设置成24h，即模型在内存中保持 24 小时，提高访问速度
OLLAMA_NUM_PARALLEL：哀求处理并发数量，默认为1，即单并发串行处理哀求，可根据实际情况进行调解
OLLAMA_MAX_QUEUE：哀求队列长度，默认值为512，可以根据情况设置，超过队列长度哀求被抛弃
OLLAMA_DEBUG：输出 Debug 日记标识，应用研发阶段可以设置成1，即输出详细日记信息，便于排盘问题
OLLAMA_MAX_LOADED_MODELS：最多同时加载到内存中模型的数量，默认为1，即只能有 1 个模型在内存中

看看是不是已经启动了ollama。右下角图标如下

假如没有，则去打开一下

黑窗口查看一下版本

浏览器查看一下API服务:127.0.0.1:11434

假如出现连接不上，则查抄一下情况变量是不是配错了，是不是没有E盘（假如你照抄）。
运行一个0.5b的qwen模型

ollama run qwen2:0.5b

复制代码

看看API访问情况：
提问：

对话：

① system 代表系统设定（也就是告诉chatGPT他的角色）
  ② user 表现用户
  ③ assistant 表现GPT的回复
  三、安装方式二：linux版本docker

Olama现已作为官方Docker镜像提供 · Olama博客 - Ollama 中文

docker run -d -v /home/ollama:/root/.ollama -p 11435:11434 --name ollama ollama/ollama

复制代码

  主机的/home/ollama文件夹映射到容器的/root/.ollama文件夹
  主机的11435端口映射到容器的11434端口

进入容器内部：

docker exec -it ollama /bin/bash

复制代码

查看ollama实行

ollama

复制代码

ollama serve   # 启动ollama
ollama create   # 从模型文件创建模型
ollama show       # 显示模型信息
ollama run       # 运行模型，会先自动下载模型
ollama pull       # 从注册仓库中拉取模型
ollama push       # 将模型推送到注册仓库
ollama list       # 列出已下载模型
ollama ps       # 列出正在运行的模型
ollama cp       # 复制模型
ollama rm       # 删除模型

# 本地模型列表
>ollama list
NAME ID SIZE MODIFIED
gemma2:9b c19987e1e6e2 5.4 GB 7 days ago
qwen2:7b e0d4e1163c58 4.4 GB 10 days ago

复制代码

# 删除单个模型
>ollama rm gemma2:9b
deleted 'gemma2:9b'
>ollama list
NAME ID SIZE MODIFIED
qwen2:7b e0d4e1163c58 4.4 GB 10 days ago

复制代码

# 启动本地模型
>ollama run qwen2:0.5b
>>>

复制代码

# 运行中模型列表
>ollama ps
NAME ID SIZE PROCESSOR UNTIL
qwen2:0.5b 6f48b936a09f 693 MB 100% CPU 4 minutes from now

复制代码

# 复制本地大模型：ollama cp 本地存在的模型名新复制模型名
>ollama cp qwen2:0.5b Qwen2-0.5B
copied 'qwen2:0.5b' to 'Qwen2-0.5B'
>ollama list
NAME ID SIZE MODIFIED
Qwen2-0.5B:latest 6f48b936a09f 352 MB 4 seconds ago
qwen2:0.5b 6f48b936a09f 352 MB 29 minutes ago
qwen2:7b e0d4e1163c58 4.4 GB 10 days ago

复制代码

四、模型库

library (ollama.com)

五、运行模型

模型要求

这里我们运行一个要求最小的0.5B的qwen模型。

留意这是在容器内部运行的：

ollama run qwen2:0.5b

复制代码

root@535ec4243693:/# ollama run qwen2:0.5b
pulling manifest
pulling 8de95da68dc4... 100% ▕████████████████████████████████████▏ 352 MB
pulling 62fbfd9ed093... 100% ▕████████████████████████████████████▏ 182 B
pulling c156170b718e... 100% ▕████████████████████████████████████▏ 11 KB
pulling f02dd72bb242... 100% ▕████████████████████████████████████▏ 59 B
pulling 2184ab82477b... 100% ▕████████████████████████████████████▏ 488 B
verifying sha256 digest
writing manifest
removing any unused layers
success
>>> 你是谁
我是来自阿里云的超大规模语言模型——通义千问。我能够理解、生产、传播各种语言和文字，可以回答您在任
何语言或任何问题的问题。
>>> Send a message (/? for help)

复制代码

六、API服务

文档地点:

model：（必需）模型名称
prompt：生成响应的提示
suffix：模型响应后的文本
images：（可选）base64 编码图像列表（对于多模态模型，比方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：Modelfile 文档中列出的其他模型参数，比方temperature
system：系统消息更改为（覆盖Modelfile)
template：要使用的提示模板（覆盖Modelfile)
context：从上一个哀求返回的 context 参数 to ，这可用于保持较短的对话记忆/generate
stream：假如响应将作为单个响应对象返回，而不是对象流false
raw：假如没有格式将应用于提示。假如您在对 API 的哀求中指定了完备的模板化提示，则可以选择使用该参数trueraw
keep_alive：控制模型在哀求后加载到内存中的时间（默认值：5m)

curl --location --request POST 'http://127.0.0.1:11435/api/generate' \
--header 'User-Agent: Apifox/1.0.0 (https://apifox.com)' \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "qwen2:0.5b",
"prompt": "你知道麦克斯韦吗"
}'

复制代码

curl --location --request POST 'http://127.0.0.1:11435/api/chat' \
--header 'User-Agent: Apifox/1.0.0 (https://apifox.com)' \
--header 'Content-Type: application/json' \
--data-raw '{
"model": "qwen2:0.5b",
"messages": [
{
"role": "system",
"content": "你是一个历史专家"
},
{
"role": "user",
"content": "东北三省是哪三个?"
},
{
"role": "assistant",
"content": "东北三省是指中国东北地区（不含内蒙古）。它包括吉林省的延边朝鲜族自治州、黑龙江省的黑河市和哈尔滨市，以及辽宁省的抚顺市、本溪市、丹东市。其中，延边州包括临山子、龙沙等13个县市。"
},
{
"role": "user",
"content": "张作霖的势力是在这里兴起的吗"
}
],
"stream": false
}'

复制代码

  ① system 代表系统设定（也就是告诉chatGPT他的角色）
  ② user 表现用户
  ③ assistant 表现GPT的回复
   API访问会激活模型，颠末keep_alive的时间内(默认5m)假如没有访问，则会自动下线模型。当再次有API访问，则会再次自动激活模型。
假如keep_alive的值为零0，则是自动将模型下线。比如：

curl http://localhost:11434/api/chat -d '{
"model": "llama3.1",
"messages": [],
"keep_alive": 0
}'

复制代码

七、python调用

temperature：用于调解生成结果的创造性程度，设置越高，生成的文本越新颖、越独特，设置越低，结果更集中。
stream：默认false,是否流式传输回部分进度。
format: 转录输出的格式，可选项包罗json、str等。

ollama库调用

pip install ollama

复制代码

import ollama
host = "127.0.0.1"
port = "11434"
client = ollama.Client(host=f"http://{host}:{port}")
res = client.chat(model="qwen2:0.5b",
messages=[{"role": "user", "content": "你是谁"}],
options={"temperature": 0})
print(res)

复制代码

langchain调用

pip install langchain
pip install langchain_community

复制代码

from langchain_community.llms import Ollama
host="127.0.0.1"
port="11434" #默认的端口号为11434
llm=Ollama(base_url=f"http://{host}:{port}", model="qwen2:0.5b",temperature=0)
res=llm.invoke("你是谁")
print(res)

复制代码

requests调用

pip install requests

复制代码

host="127.0.0.1"
port="11434"
url = f"http://{host}:{port}/api/chat"
model = "qwen2:0.5b"
headers = {"Content-Type": "application/json"}
data = {
"model": model, #模型选择
"options": {
"temperature": 0. #为0表示不让模型自由发挥，输出结果相对较固定，>0的话，输出的结果会比较放飞自我
},
"stream": False, #流式输出
"messages": [{
"role": "system",
"content":"你是谁？"
}] #对话列表
}
response=requests.post(url,json=data,headers=headers,timeout=60)
res=response.json()
print(res)

复制代码

aiohttp调用

pip install aiohttp

复制代码

Welcome to AIOHTTP — aiohttp 3.10.5 documentation

import asyncio
import json
import aiohttp
host = "127.0.0.1"
port = "11434"
url = f"http://{host}:{port}/api/chat"
headers = {
'Content-Type': 'application/json'
}
payload = json.dumps({
"model": "qwen2:0.5b",
"options": {
"temperature": 0. # 为0表示不让模型自由发挥，输出结果相对较固定，>0的话，输出的结果会比较放飞自我
},
"messages": [
{"role": "system", "content": "你是一个历史砖家，专门胡说八道，混淆历史"},
{"role": "user", "content": "吕雉和吕不韦是啥关系？汉朝是大秦帝国的延续吗？"}
],
"stream": False
})
async def main():
start_time = asyncio.get_event_loop().time()
async with aiohttp.ClientSession() as session:
try:
async with session.post(url, headers=headers, data=payload, timeout=60) as response:
if response.status == 200:
data = await response.text()
print(data)
end_time = asyncio.get_event_loop().time()
elapsed_time = end_time - start_time
except asyncio.TimeoutError:
print("请求超时了")
finally:
print(f"耗时：0.0570秒")
if __name__ == '__main__':
asyncio.run(main())

复制代码

八、模型添加方式

1.线上pull（推荐）

即上述教程采用的方式。

2.导入 GGUF 模型文件（推荐）

windows示例:

①.下载模型

从 HF 或者 ModeScope 下载了 GGUF 文件：qwen2-0_5b-instruct-q4_0.gguf

②.上传文件

新建一个文件夹来存放GGUF文件，比方我存放在E:\huggingface_models\qwen2-05b-q4中，在GGUF文件的同级，创建一个文件名为Modelfile的文件，该文件的内容如下：

FROM ./qwen2-0_5b-instruct-q4_0.gguf

复制代码

③.导入模型

打开Modelfile所在文件夹下打开终端，实行命令导入模型文件：

ollama create 模型名称 -f ./Modelfile

复制代码

ollama create qwen2-05b-q4 -f ./Modelfile

复制代码

④.查看模型

导入成功之后，我们就可以通过list定名，看到名为qwen2-05b-q4的当地模型了，后续可以和其他模型一样进行管理了。

⑤.运行模型

ollama run qwen2-05b-q4:latest

复制代码

Linux示例：

①.在主机的/home/ollama文件夹下新建huggingface_models文件夹，

②.再在huggingface_models文件夹下新建qwen2-05b-q4文件夹。

③.将模型文件和Modelfile上传到上一步创建的qwen2-05b-q4文件夹中。

/home/ollama/huggingface_models/qwen2-05b-q4

复制代码

④.进入ollama容器

docker exec -it ollama bash

复制代码

⑤.cd 到映射的文件夹中

cd /root/.ollama/huggingface_models/qwen2-05b-q4

复制代码

⑥. 实行导入模型命令

ollama create qwen2-05b-q4 -f ./Modelfile

复制代码

⑦.查看导入的模型

ollama list

复制代码

⑧.运行模型

ollama run qwen2-05b-q4:latest

复制代码

3.导入 safetensors 模型文件（多了一个将safetensors转换成gguf文件的过程）

示例：
①.下载模型文件

从 HF 或者 ModeScope 下载了 safetensors 文件
https://huggingface.co/Qwen/Qwen2.5-0.5B/tree/main

将模型所有文件上传到linux
在linux上新建一个文件夹huggingface_safetensors_models，再在内里新建一个文件夹qwen2-05b-q4，然后将模型所有文件上传进去

②.克隆ollama/ollama项目

git克隆，并设置python情况，最好是虚拟情况，防止依赖版本与其他项目辩论。可能会有类似下面的错误。博主使用的是conda，以此为例：

ollama/ollama: Get up and running with Llama 3.1, Mistral, Gemma 2, and other large language models. (github.com)

git clone git@github.com:ollama/ollama.git ollama

复制代码

进入项目中

cd ollama

复制代码

紧接着，同步 llm/llama.cpp 子模块

git submodule init
git submodule update llm/llama.cpp

复制代码

③.设置情况

创建一个虚拟情况

conda create -n ollama python=3.11

复制代码

激活虚拟情况

conda activate ollama

复制代码

④.安装依赖

进入项目目录

cd /home/ollama/ollama

复制代码

实行安装命令

pip install -r llm/llama.cpp/requirements.txt

复制代码

假如报错，就多装几次，可能网络时间太长断开了。

④.构建量化工具
假如没有make命令则安装一个make

sudo apt update

复制代码

sudo apt install make

复制代码

假如没有gcc 和 g++ 编译器则需要安装一下

sudo apt update

复制代码

sudo apt install build-essential

复制代码

下边这个可选（可以加速）

sudo apt install ccache

复制代码

构建量化工具

make -C llm/llama.cpp quantize

复制代码

⑤.模型转换

将 safetensors 转换为 converted.bin格式：

python llm/llama.cpp/convert_hf_to_gguf.py 模型所在文件夹 --outtype f16 --outfile converted.bin

复制代码

python llm/llama.cpp/convert_hf_to_gguf.py /home/ollama/huggingface_safetensors_models/qwen2-05b-q4 --outtype f16 --outfile converted.bin

复制代码

留意：某些模型架构需要使用特定的转换脚本。比方，Qwen 模型需要运行
1.outtype 指定了模型的格式，这里是 f16，也就是 float16
2.生成的converted.bin文件在ollama项目的根目录下

⑥.生成llama系列文件

进入llama.cpp文件夹

cd llm/llama.cpp/

复制代码

实行make命令

make

复制代码

此时在llama.cpp文件夹下生成了一些列的llama文件，其中有一个llama-quantize是我们需要的。

⑦.量化模型

回到ollama项目目录下

上面转换的事f16，也就是float16，此时的访问速度很慢，我们需要向量化来加速它的计算速度。
这里我们量化成q4，也就是int4:

llm/llama.cpp/llama-quantize converted.bin quantized.bin q4_0

复制代码

此时在ollama项目的根目录下生成了我们需要的文件：quantized.bin，它与gguf文件作用雷同。

⑧.将quantized.bin文件放到我们的平常存放gguf文件的文件夹中：

我们将quantized.bin文件放到我们的平常存放gguf文件的文件夹中，比如我放到了huggingface_models，在huggingface_models中新建了一个文件夹qwen2-05b-q4-s来存放。