Ollama保姆级教程
Ollama是一个开源框架，专门计划用于在本地运行大型语言模子。它的重要特点是将模子权重、配置和数据捆绑到一个包中，从而优化了设置和配置细节，包罗GPU使用情况，简化了在本地运行大型模子的过程。
Ollama还提供了对模子量化的支持，这可以显著降低显存要求。比方，4-bit量化可以将FP16精度的权重参数压缩为4位整数精度，从而大幅减小模子权重体积和推理所需显存。这使得在平凡家用计算机上运行大型模子成为大概。
此外，Ollama框架还支持多种差异的硬件加快选项，包罗纯CPU推理和各类底层计算架构，如Apple Silicon。这使得Ollama可以或许更好地利用差异类型的硬件资源，进步模子的运行服从。
Ollama可以在下令行中直接举行使用，也可以作为服务通过api的形式举行访问。
安装
Windows系统必要是Win10 22H2及以上版本，如果有英伟达的独立显卡，必要将显卡的驱动更新到452.39及以上版本。
在官网下载安装包，举行安装即可。
默认安装位置：C:\Users\Administrator\AppData\Local\Programs\Ollama
默认模子下载保存位置(可修改，见文末Q&A)：C:\Users\Administrator.ollama\models
支持的模子
下图是部分支持的模子，更多支持的模子可以在https://ollama.com/library举行查看
运行7B模子至少要有8G的内存；运行13B模子至少要有16G的内存；运行33B模子至少要有32G的内存；
这些是在你没有显存只有内存的情况下，如果你有显存，那么Ollama会将模子放在显存中，当显存中放不下时会将模子同时放在内存中(见文末Q&A部分)。
常用下令
下载模子：
启动模子(若模子不存在，那么会先下载模子，然后再运行)：
删除模子：
查看下载的模子：
查看模子信息 ：
查看当前运行的模子：
启动和退出
启动模子(以qwen2:7b为例)：
退出模子：在对话下令行中输入 /bye 即可
退出后，查看正在运行的模子：ollama ps
咦？不是退出了吗，怎么还在！是不是当我没上过小学，欺骗老子！
经过我测试，退出后一段时间内(大概是5分钟左右)没有与模子互动，该模子会自动结束运行，同时释放内存/显存。
两种交互方式
在下令行中举行对话：
1-启动模子后，直接输入prompt：
- 我想玩游戏，老婆不让玩，请列出10个玩游戏的好处来说服她
2-使用ollama run 下令来举行交互，将prompt跟在该名背面：
- ollama run qwen2:7b
- "我想玩游戏，老婆不让玩，请列出10个玩游戏的好处来说服她
- "
可以加上 --verbose来让模子同时显示性能信息
- ollama run qwen2:7b
- "我想玩游戏，老婆不让玩，请列出10个玩游戏的好处来说服她
- " --verbose
可以看到在最后会输出本次交互相关的信息，如时间，token输出的速率等。
使用API的形式对话：
只要是启动了ollama，在本地就会默认建立一个ollama服务，可以通过API的形式来举行访问。
同时ollama适配了OpenAI的接口的访问和返回形式，可以很容易地使用ollama的API替换OpenAI的接口。
1-使用curl访问API
- curl --request POST "http://localhost:11434/api/chat" ^-d "{"model": "qwen2:7b", "messages": [ { "role": "user", "content": "我想玩游戏，老婆不让玩，请列出10个玩游戏的好处来说服她
- " } ], "stream": false}"
2-使用Python来访问API
- import jsonimport requestsr = requests.post('http://localhost:11434/api/generate', json={ 'model': 'qwen2:7b', 'prompt': '我想玩游戏，老婆不让玩，请列出10个玩游戏的好处来说服她
- ', 'context': [], }, stream=True)r.raise_for_status()for line in r.iter_lines(): body = json.loads(line) response_part = body.get('response', '') # the response streams one token at a time, print that as we receive it print(response_part, end='', flush=True)if 'error' in body: raise Exception(body['error'])if body.get('done', False): print(body['context'])
多模态模子的使用
首先下载并运行多模态模子llava：
- ollama pull llava:7b
- ollama run llava:7b
我使用的是这张图片：
可以看到，对照片内容的描述基本是符合的，有点不足的是用词不太准确，“颜色"应该是"彩色”，而且另有错别字，“呆着一种微笑的表情”，应该是使用了7B模子的原因，13B模子应该就没这么低级的错误了。
定制本身的模子
所谓定制模子，就是在使用某个模子作为base模子，然后在该模子上举行定制，下面我们就以qwen2:7b作为基础模子举行定制：
1-编写定制规则，即Modelfile文件，内容如下(此处Modelfile位置是C:\Users\Administrator\Desktop)：
- FROM qwen2:7b
- # set the temperature to 1 [higher is more creative, lower is more coherent]
- PARAMETER temperature 1
- # set the system message
- SYSTEM """
- You are Mario from Super Mario Bros. Answer as Mario, the assistant, only.
- """
- ollama create mario -f ./Modelfile
3-查看已有的模子，ollama list
可以看到一个名称为mario 的模子已经存在了。运行该模子，输入prompt试一下：
效果不错，已经能按照定制的内容举行答复问题了。
关于定制化规则，更多的规则可以参考链接：
https://github.com/ollama/ollama/blob/main/docs/modelfile.md
https://blog.csdn.net/spiderwower/article/details/138755776
常见的Q&A整理：
怎样指定上下文窗口巨细
Ollama 默认上下文窗口巨细为2048 tokens，可以通过下令 /set parameter num_ctx 4096 将上下文窗口长度调解为4096 token
先运行 gemma:2b模子，然后将上下文窗口长度改为4096
怎么判定模子时运行在CPU还是GPU上的？
实行下令ollama ps
，如下图
通过Processor列来判定：
100% GPU 表示模子完全运行在GPU上，即显存中；
100% CPU 表示模子完全运行在RAM，即内存中；
48%/52% CPU/GPU 表示模子即运行在了显存中，也运行在了内存中；
修改Ollama Server的配置
OLLAMA_HOST：修改绑定的地点，可让别人通过局域网访问
OLLAMA_MODELS：修改模子的保存文件夹
更多的Q&A问题，参考官网文档：
https://github.com/ollama/ollama/blob/main/docs/faq.md
总结：
Ollama可以或许更容易的让大模子在本地运行起来，没错，是运行起来，至于交互就差点意思了。
总不能总是铜鼓下令行来交互吧，这样也太不优雅了！
现实上Ollama重要是用来提供服务的，也就是作为服务端，但是可以通过共同其他的UI界面来更方便的使用大模子，比方Open WebUI等。
今天的教程就到这里，欢迎点赞收藏！
Ollama官网：https://ollama.com/download
GitHub：https://github.com/ollama/ollama
Ollama文档：https://github.com/ollama/ollama/tree/main/docs
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
