【AI大模型】Ollama 大模型的本地私有化部署
在localhost部署并运行开源大模型，可以试试Ollama。本文使用Ollama部署，并通过API的方式调用大模型。
在localhost部署并运行开源大模型，可以试试Ollama。本文使用Ollama部署，并通过API的方式调用大模型。
参考
-
官方网站：ollama.com/
-
Github：github.com/ollama/olla…
安装
Ollama支持各个平台：Mac、Windows 和 Linux，下载 然后一键安装Ollama框架
# 安装成功后执行ollama -v命令，查看版本信息，如果可以显示则代表已经安装好
root@master:~# ollama -v
ollama version is 0.1.38
root@master:~# ollama --help
Ollama安装完成后， 一般会自动启动 Ollama 服务，而且会自动设置为开机自启动。在Linux上，查看：systemctl status ollama； 启动：ollama serve，或者 sudo systemctl start ollama。
配置
编辑vim /etc/systemd/system/ollama.service.d/environment.conf文件来对ollama进行配置
默认的配置文件目录：C:\Users\zhtop\AppData\Local\Ollama
[Service]
# 配置远程访问
Environment="OLLAMA_HOST=0.0.0.0:11434"
Ollama命令
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
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 cp # 复制模型
ollama rm # 删除模型
ollama help # 获取有关任何命令的帮助信息
模型库
下载并运行大语言模型：ollama run llama2；如果本地没有指定的大语言模型，这条命令将会先执行ollama pull llama2，将大语言模型下载到本地，再在本地运行大语言模型。模型列表
# 拉取模型
ollama pull llama2
# 运行模型
ollama run llama2
# 运行模型 本地没有，先下载模型
ollama run llama3.2
ollama run llama3.2
ollama run qwen2.5
# 输入/help查看对话可用指令
# 输入/bye退出对话模式
开启服务
运行模型后，执行ollama serve命令启动Ollama服务，然后就可以通过API形式进行模型调用
ollama serve
REST API
生成式接口
# 流式返回
curl http://localhost:11434/api/generate -d '{
"model": "llama2",
"prompt":"Why is the sky blue?"
}'
# 非流式返回。通过设置 "stream": false 参数可以设置一次性返回。
curl http://localhost:11434/api/generate -d '{
"model": "gemma:2b",
"prompt":"介绍一下React，20字以内",
"stream": false
}'
聊天接口，默认流式返回，同样可以通过 “stream”: false 参数一次性返回
curl http://localhost:11434/api/chat -d '{
"model": "mistral",
"messages": [
{ "role": "user", "content": "why is the sky blue?" }
]
}'
嵌入
curl http://localhost:11434/api/embeddings -d '{
"model": "all-minilm",
"prompt": "Here is an article about llamas..."
}'
模型定制
Ollama 库中的模型可以通过提示进行定制。例如，自定义 llama3 模型：
ollama pull llama3
创建 Modelfile文件
FROM llama3
# 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.
"""
创建并运行模型
ollama create mario -f ./testmodel.modelfile
ollama run mario
>>> hi
Hello! It's your friend Mario.
Web UI
除了上面终端和 API 调用的方式，目前还有许多开源的 Web UI，可以本地搭建一个可视化的页面来实现对话
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
# http://localhost:3000/auth/
如何系统的去学习大模型LLM ？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
LLM大模型学习路线 ↓
阶段1：AI大模型时代的基础理解
-
目标：了解AI大模型的基本概念、发展历程和核心原理。
-
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
-
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
-
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
-
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
-
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
-
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
-
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
尧米是由西云算力与CSDN联合运营的AI算力和模型开源社区品牌，为基于DaModel智算平台的AI应用企业和泛AI开发者提供技术交流与成果转化平台。
更多推荐
30
0- 0
已为社区贡献3条内容
所有评论(0)