安卓上部署 lama3.1 大模型

lama3.1出来了,ollama都可以直接个人部署了,电脑上就容易多了,就不做多说,这里来一个安卓下部署的方法.主要是能用国内源的就用国内源,有几个要求得先知道一下,可用内存>6G的就行.如果手机的物理内存是8G建议不要试了,12G以上的可以试一下:
原理很简单,就是安装一个debain虚拟机,再部署ollama来运行
精简到8步,如下:

Try  ...

Step 1:安装 Termux
下载地址:
https://github.com/termux/termux-app/releases/download/v0.119.0-beta.1/termux-app_v0.119.0-beta.1+apt-android-7-github-debug_universal.apk

Step 2: 切到清华源

sed -i 's@^deb.∗stablemaindeb.*stablemain$@#\1\ndeb https://mirrors.tuna.tsinghua.edu.cn/termux/apt/termux-main stable main@' $PREFIX/etc/apt/sources.list

apt update && apt upgrade

Step 3: 更新包
pkg update
pkg upgrade

Step 4: 安装 Proot-Distro 与 debian 
pkg install proot-distro
pd install debian
Step 5: 登录到debian 替换源为aliyun的
pd login debian
sed -i 's#deb.debian.org#mirrors.aliyun.com#g' /etc/apt/sources.list
#更新升级一下
apt update -y
apt upgrade -y

Step 6: 安装 Ollama
curl -fsSL https://ollama.com/install.sh | sh
#ollama.com有的地方可能下载不了也可以用gitee有来安装
# curl -fsSL https://gitee.com/pinke/ollama-install/raw/master/install.sh | sh

 

Step 7: 运行 Ollama 服务
#后台跑Ollama 服务
nohup ollama serve &

Step 8:运行 Ollama 模型  llama:3.1 第一次使用不存在会下载,速度也很快
ollama run llama:3.1

Done .
可以开始问了.
后面使用就简单多了:
打开Termux ->运行 

pd login debian
nohup ollama serve & 
ollama run llama:3.1

即可

### LAMA预训练模型简介 LAMA(Language Model Analysis)并不是一种具体的预训练模型名称,而是一个用于评估语言模型事实知识能力的工具集和基准测试框架[^1]。该框架通过一系列结构化探针来衡量不同预训练模型的记忆能力和推理水平。 具体来说,在自然语言处理领域内存在大量基于Transformer架构开发出来的强大预训练模型,例如BERT、RoBERTa等。这些模型经过大规模语料库上的无监督学习后具备了丰富的上下文理解力以及一定的常识储备。为了更好地了解它们所掌握的知识范围及其准确性,研究人员设计了LAMA这一评测体系。 在实际操作过程中,LAMA会向目标模型输入特定模式下的句子片段并要求其补全缺失部分;随后根据输出结果对比标准答案来进行打分统计分析。这种方式能够有效揭示出被测对象对于不同类型关系的理解程度,从而帮助学术界进一步探索如何改进现有技术方案以增强机器的认知功能[^2]。 值得注意的是,尽管LAMA本身不是一款独立存在的预训练模型,但它确实为众多此类模型提供了重要的评价依据和发展导向。通过对多个知名大厂出品的产品进行全面细致地考察,可以发现当前最前沿的技术成果往往都在努力提升自己在这项考核中的表现成绩。 ```python import transformers as trf from lama.probe import evaluate_model_on_probes model_name = "bert-base-uncased" tokenizer = trf.BertTokenizer.from_pretrained(model_name) model = trf.BertForMaskedLM.from_pretrained(model_name) results = evaluate_model_on_probes(tokenizer, model) print(results) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值