家用电脑也能轻松玩转大模型

2022 年底 OpenAI 发布 ChatGPT，随后 2023 年大模型进入了有史以来发展最快速的时候，在这一年中，相继涌现了很多商业闭源或开源的大模型，本文就是通过 Ollama 开源应用程序将开源的大模型运行在家用电脑之上。

Ollama 简介

Ollama 是一款开源应用程序，可让你通过命令行界面运行、创建和共享大型语言模型。

支持的模型

Ollama 支持的可用开源模型列表网址：ollama.ai/library

下面是一些可下载的示例开源模型：

Model	Parameters	Size	Download
Llama 2	7B	3.8GB	ollama run llama2
Mistral	7B	4.1GB	ollama run mistral
Dolphin Phi	2.7B	1.6GB	ollama run dolphin-phi
Phi-2	2.7B	1.7GB	ollama run phi
Neural Chat	7B	4.1GB	ollama run neural-chat
Starling	7B	4.1GB	ollama run starling-lm
Code Llama	7B	3.8GB	ollama run codellama
Llama 2 Uncensored	7B	3.8GB	ollama run llama2-uncensored
Llama 2 13B	13B	7.3GB	ollama run llama2:13b
Llama 2 70B	70B	39GB	ollama run llama2:70b
Orca Mini	3B	1.9GB	ollama run orca-mini
Vicuna	7B	3.8GB	ollama run vicuna
LLaVA	7B	4.5GB	ollama run llava

注意：本地运行 7B 模型至少需要 8GB 的 RAM，运行 13B 模型至少需要 16GB 的 RAM，如果运行 33B 模型，则至少需要 32GB 的 RAM。

安装和使用

1.本地方式安装

使用一键安装脚本进行安装：

$ curl https://ollama.ai/install.sh | sh

以服务方式重启：

$ systemctl restart ollama

查看服务状态：

$ systemctl status ollama

查看服务日志：

$ journalctl -u ollama

使用脚本更新：

$ curl https://ollama.ai/install.sh | sh

运行大模型：

$ ollama run codellama:7b-instruct
pulling manifest 
pulling 3a43f93b78ec... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 3.8 GB                         
pulling 8c17c2ebb0ea... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 7.0 KB                         
pulling 590d74a5569b... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 4.8 KB                         
pulling 2e0493f67d0c... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏   59 B                         
pulling 7f6a57943a88... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  120 B                         
pulling 316526ac7323... 100% ▕████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▏  529 B                         
verifying sha256 digest 
writing manifest 
removing any unused layers 
success 
>>> Send a message (/? for help)

Ollama 会判别正在运行的硬件并在可行的情况下调用 GPU 加速，不妨在推理时打开活动监视器或任务管理器观察以验证。

运行到这里，你本地的模型已经运行成功了，下面来简单使用下这个模型，输入“请使用Java编写一个冒泡排序方法”，让其写一个冒泡排序：

2.Docker 方式安装

安装 docker 后，我们可通过 CPU 和 GPU 两种方式运行 ollama 容器。

CPU（默认）方式运行 ollama 容器

$ docker run -d -v ollama:/root/.ollama -p 11434:11434 \
    --name ollama ollama/ollama

GPU 方式运行 ollama 容器

$ docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 \
    --name ollama ollama/ollama

运行大模型：

 $ docker exec -it ollama ollama run llama2