ubuntu下open-webui + ollama本地大模型摆设

文章目录

• nvidia gpu驱动安装
  
• 
  
  
  
  • 安装
    
  • 卸载
    
  
  
• ollama 摆设
  
• 
  
  
  
  • 添加docker秘钥
    
  • docker配置添加国内镜像源
    
  • ollama安装
    
  • 
    
    
    
    • 从源拉取ollama镜像。
      
    • 启动一个ollama容器
      
    
    
  • 通过ollama下载模型到本地
    
  • 查验本地模型
    
  
  
• open-webui 摆设
  
• 
  
  
  
  • 安装容器和镜像下载
    
  • webui利用
    
  • 查看模型运行时内存、cpu、gpu占用
    
  
  

---

业余爱好，摆设下最近很火的LLM大模型玩玩，现在市面做这种大模型的摆设快速应用照旧挺多的，好比下面这些。

这里介绍采用nvidia gpu，基于ubuntu docker情况下的open-webui + ollama本地大模型摆设过程。
nvidia gpu驱动安装

如果电脑有nvidia gpu，利用本地大模型最好采用gpu，否则用cpu的推理速率极慢，还占用资源。
安装

1. # nvidia镜像源
2. curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg
3.   && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list |
4.     sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' |
5.     sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
7. apt-get update
9. #安装 NVIDIA Container Toolkit 软件包
10.    apt-get install -y nvidia-container-toolkit
11. #配置 Docker 以使用 Nvidia 驱动程序
12.    sudo nvidia-ctk runtime configure --runtime=docker
14. apt-get install dkms
16. ubuntu-drivers devices # 查询系统建议安装的nvidia版本
17. apt install nvidia-driver-550-open  #选择驱动版本安装
18. ls /usr/src/ |grep nvidia #可以看到nvidia开头的驱动版本文件

复制代码

安装后reboot重启
然后执行nvidia-smi查看gpu情况，确认是否安装乐成。
卸载

1. sudo apt-get --purge remove nvidia*
2. sudo apt autoremove
4. # To remove CUDA Toolkit:
5. sudo apt-get --purge remove "*cublas*" "cuda*"
6. sudo apt-get --purge remove "*nvidia*"

复制代码

ollama 摆设

添加docker秘钥

1. curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

复制代码

添加阿里docker软件源

1. sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

复制代码

docker配置添加国内镜像源

创建文件：/etc/docker/daemon.json， 添加如下内容， docker镜像源将会从如下站点拉取。同时配置Nvidia运行时，能在docker中利用GPU。

1. {
2.     "registry-mirrors": [  #镜像源
3.         "https://docker.mirrors.ustc.edu.cn",
4.         "https://hub-mirror.c.163.com",
5.         "https://docker.m.daocloud.io",
6.         "https://ghcr.io",
7.         "https://mirror.baidubce.com",
8.         "https://docker.nju.edu.cn"
9.     ],
10.     "default-runtime": "nvidia",
11.         "runtimes": {
12.                "nvidia": {
13.                    "args": [],
14.                    "path": "nvidia-container-runtime"
15.                }
16.          },
17.     "data-root": "/home/docker/data/"  #docker镜像默认安装路径
18.    
19. }

复制代码

其中，"data-root"为docker镜像默认安装路径，用户根据自己情况选择路径。如果不选择，默认安装到：/var/run/docker/。
sudo systemctl restart docker 生效。
ollama安装

从源拉取ollama镜像。

1. docker pull ollama/ollama:latest

复制代码

启动一个ollama容器

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

复制代码

利用镜像为ollama/ollama，映射端口11434。
通过ollama下载模型到本地

1. #下载通义千问：
2. docker exec -it ollama ollama run qwen2
3. #下载通义ollama3
4. docker exec -it ollama ollama run  llama3.1:8b

复制代码

查看已经安装好的模型：

1. docker exec -it ollama ollama list

复制代码

可下载其他模型库如下，根据自身电脑配置下载
模型
参数数目
大小
下载方式
Llama 2
7B
3.8GB
docker exec -it ollama ollama run llama2
Mistral
7B
4.1GB
docker exec -it ollama ollama run mistral
Dolphin Phi
2.7B
1.6GB
docker exec -it ollama ollama run dolphin-phi
Phi-2
2.7B
1.7GB
docker exec -it ollama ollama run phi
Neural Chat
7B
4.1GB
docker exec -it ollama ollama run neural-chat
Starling
7B
4.1GB
docker exec -it ollama ollama run starling-lm
Code Llama
7B
3.8GB
docker exec -it ollama ollama run codellama
Llama 2 Uncensored
7B
3.8GB
docker exec -it ollama ollama run llama2-uncensored
Llama 2
13B
7.3GB
docker exec -it ollama ollama run llama2:13b
Llama 2
70B
39GB
docker exec -it ollama ollama run llama2:70b
Orca Mini
3B
1.9GB
docker exec -it ollama ollama run orca-mini
Vicuna
7B
3.8GB
docker exec -it ollama ollama run vicuna
LLaVA
7B
4.5GB
docker exec -it ollama ollama run llava
Gemma
2B
1.4GB
docker exec -it ollama ollama run gemma:2b
Gemma
7B
4.8GB
docker exec -it ollama ollama run gemma:7b
查验本地模型

通过命令运行ollama3.1，能直接举行对话，说明正常了。

1. docker exec -it ollama ollama run  llama3.1:8b

复制代码

open-webui 摆设

上面命令方式跟模型对话不太通用，通常会做成网页情势交互，这里可以采用open-webui。
安装容器和镜像下载

支持 Nvidia GPU 的 Open WebUI

1. sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda

复制代码

但下载估计非常慢，可以用国内的：

1. sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always  registry.cn-shenzhen.aliyuncs.com/funet8/open-webui:cuda

复制代码

如果不支持 Nvidia GPU 可以下载main版本：

1. $ sudo docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

复制代码

映射端标语为3000.
查看ollama和open-webui安装的容器和镜像：

webui利用

网页登入：
http://127.0.0.0:3000/

第一次登入，必要注册个管理员账号。
进入webui后，查看是否识别到模型。

以及管理模型docker的端标语是否与ollama划一。

第一次启动模型提问，大概要等待一段时间，等模型加载启动后才有回应。
（如果不停没有回应，但命令行方式有回应，那大概是webui安装题目，或者欣赏器题目）。

查看模型运行时内存、cpu、gpu占用

模型开始答复题目时，cpu变革不大，答复竣事后cpu恢复，但内存被占用许多，而且答复竣事后仍旧占用，说明模型已经被加载到内存处于活泼状态。

nvidia-smi查看，模型j计算的主要占用在GPU中。

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。