非常可靠，手把手教你本地部署AI大模型-llama3:70b-优快云博客

Meta公司一直致力于这样一个理念：“ that open source not only provides great technology for developers, but also brings the best out in people”，翻译过来就是开源不仅为开发人员提供了出色的技术，而且还将给人们带来更好的。但是前几天李彦宏说开源模型没有未来？我们的红衣大叔安全专家周总也提倡大家开源。

所以，到底开源好还是闭源好呢？

今天通过一个大模型案例来简单思考下这个问题。

下面主要介绍如何在本地部署llama3大模型，本次介绍拥有80亿参数的llama3:8B版本的部署。

大模型排名情况

简单介绍llama3大模型

Llama 3是Meta 公司开发的Llama系列模型的第三个版本，本次提供 8B 和 70B 参数大小的版本。Llama3拥有改进的推理能力。

llama3大模型的版本

模型版本	参数大小	模型大小	发布时间
llama3:70b	700亿	40GB	2024-4-18
llama3:8b	80亿	4.7GB	2024-4-18

预告了正在训练中的400B+模型，性能追赶GPT4

指令微调模型

预训练模型

开始部署

技术栈组成

系统：linux系统（内存16GB 、CPU4C、存储100GB、无显卡）
大模型运行框架：ollama
使用模型：llama3:8b
web项目：open-webui

[本次使用8b模型，节省下载时间，如需使用其他模型，方法步骤相同，切换下载的模型即可]

第一步：安装ollama

linux上安装很简单,官网：https://ollama.com/

curl -fsSL https://ollama.com/install.sh | sh

修改ollama服务启动脚本

在这里插入图片描述

启动ollama服务

systemctl daemon-reload
systemctl restart ollama

测试ollama接口是否可以访问

直接浏览器访问http://服务器ip:11434，如返回 ollama in runninng,表示正常，可以继续下面的步骤

第二步：模型管理—下载模型llama3:8b

安装好ollama后直接使用ollama下载运行llama3:8b即可（如需下载其他模型，使用此方法即可，建议多尝试几个模型比如gemma、qwen等）

ollama run llama3:8b

第三步：部署open-webui

本次介绍使用open-webui来接入大模型，如有其他web项目，也可以使用，保持ollama接口一致即可

使用docker部署open-webui。

docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always ghcr.io/open-webui/open-webui:main

#如果镜像拉取速度慢，可以使用下面的镜像
docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always registry.cn-hangzhou.aliyuncs.com/pzl_images/open-webui:main