文章目录[隐藏]
- 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
- 八、模型添加方式
- 九、部署Open WebUI
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。 接下来配置环境变量!
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,有几个常用的系统环境变量参数建议进行设置:
- 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
),如果是 Windows 系统建议修改(如:D:\OllamaModels),避免 C 盘空间吃紧- OLLAMA_HOST:Ollama 服务监听的网络地址,默认为127.0.0.1,如果允许其他电脑访问 Ollama(如:局域网中的其他电脑),建议设置成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,如果端口有冲突,可以修改设置成其他端口(如:8080等)
- OLLAMA_ORIGINS:HTTP 客户端请求来源,半角逗号分隔列表,若本地使用无严格要求,可以设置成星号,代表不受限制
- 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 代表处理请求响应后立即卸载模型,任何负数则表示一直存活);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:请求处理并发数量,默认为1,即单并发串行处理请求,可根据实际情况进行调整
- OLLAMA_MAX_QUEUE:请求队列长度,默认值为512,可以根据情况设置,超过队列长度请求被抛弃
- OLLAMA_DEBUG:输出 Debug 日志标识,应用研发阶段可以设置成1,即输出详细日志信息,便于排查问题
- 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
如果没有,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
如果出现连接不上,则检查一下环境变量是不是配错了,是不是没有E盘(如果你照抄)。
运行一个0.5b的qwen模型
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
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:
查看ollama执行
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
四、 模型库
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。
注意这是在容器内部运行的:
六、API服务
文档地址:
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,例如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,例如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
:从上一个请求返回的 context 参数 to ,这可用于保持较短的对话记忆/generate
stream
:如果响应将作为单个响应对象返回,而不是对象流false
raw
:如果没有格式将应用于提示。如果您在对 API 的请求中指定了完整的模板化提示,则可以选择使用该参数true
raw
keep_alive
:控制模型在请求后加载到内存中的时间(默认值:5m
)
① system 代表系统设定(也就是告诉chatGPT他的角色)
② user 表示用户
③ assistant 表示 GPT的回复
API访问会激活模型,经过keep_alive的时间内(默认5m)如果没有访问,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。
如果keep_alive的值为零0,则是主动将模型下线。比如:
七、python调用
- temperature:用于调整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,可选项包括json、str等。
ollama库调用
langchain调用
requests调用
aiohttp调用
Welcome to AIOHTTP — aiohttp 3.10.5 documentation
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,例如我存放在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:
③.导入模型
打开Modelfile所在文件夹下打开终端,执行命令导入模型文件:
④.查看模型
导入成功之后,我们就可以通过list
命名,看到名为qwen2-05b-q4的本地模型了,后续可以和其他模型一样进行管理了。
⑤.运行模型
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。
④.进入ollama容器
⑤.cd 到映射的文件夹中
⑥. 执行导入模型命令
⑦.查看导入的模型
⑧.运行模型
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,再在里面新建一个文件夹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环境,最好是虚拟环境,防止依赖版本与其他项目冲突。可能会有类似下面的错误。博主使用的是conda,以此为例:
进入项目中
紧接着,同步 llm/llama.cpp 子模块
③.设置环境
创建一个虚拟环境
激活虚拟环境
④.安装依赖
进入项目目录
执行安装命令
如果报错,就多装几次,可能网络时间太长断开了。
④.构建量化工具
如果没有make命令则安装一个make
如果没有gcc
和 g++
编译器 则需要安装一下
下边这个可选(可以加速)
构建量化工具
⑤.模型转换
将 safetensors 转换为 converted.bin格式:
注意:某些模型架构需要使用特定的转换脚本。例如,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
执行make命令
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快它的计算速度。
这里我们量化成q4,也就是int4:
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文件作用相同。
⑧.将quantized.bin文件放到我们的平时存放gguf文件的文件夹中:
我们将quantized.bin文件放到我们的平时存放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。
在 quantized.bin同级新建Modelfile文件,内容如下
⑨.导入模型文件:ollama create 模型名称 -f ./Modelfile
进入ollama容器中
进入存放模型的文件夹中
执行命令,创建Ollama模型
⑩.查看模型
⑪.运行模型
九、部署Open WebUI
浏览量: 20