一键部署Ollama和粘土模型?快来看看吧!

本地运行大语言模型并可视化(Ollama+big-AGI方案) 其中 Ollama 目前只支持 Mac,LM Studio目前支持 Mac 和 Windows。该服务启动在 3000 端口:http://localhost:3000/ ,直接在浏览器中打开,界面窗口中 vendor 记得选择 ollama。命令行终端运行命令 ollama run llama2,该命令会下载 llama2 模型,随后运行这个模型,现在我们就可以在终端对话了。执行 npm install 可能报错: zsh: command not found: npm。查看是否安装成功:npm -v。 阅读详情

前言

图片

上新Ollama与粘土模型

就在5月23日,厚德云官方上新了Ollama开源大语言模型与粘土画风模型。它们都可以在平台上实施一键部署,那么这两款AI应用究竟有什么样的魅力呢?我们接着往下看。

介绍Ollama

图片

Ollama页面

在当下这个快速演变的AI时代,大型语言模型(LLMs)已经成为了科技界关注的焦点。Ollama,作为一个创新的解决方案,无论是处理自然语言、编写代码,还是执行其他AI驱动的任务,Ollama都提供了一个简洁而高效的途径。

图片

Ollama资源库页面

Ollama的核心优势在于其对多种操作系统的兼容性、对Docker的整合,以及一个包含多种模型的丰富库,允许用户根据自己的需求选择和启动适合的模型。此外,Ollama还支持模型定制功能,使用户能够根据特定需求调整模型设置,或者加载自己的模型进行操作。

Ollama的使用

图片

两种模型

在官网部署好AI应用后,我们就可以开始使用Ollama了,目前有llama3与llava两种模型可以使用。

图片

与Ollama进行对话

Ollama的目标受众是那些渴望在本地环境中利用大型语言模型的开发者。它为中级至高级的软件开发者提供了一种高效的途径,以应用尖端的AI技术来解决实际问题。无论是进行学术研究、创造创新产品,还是探索AI的新应用,Ollama都能提供所需的工具和资源。

介绍ComfyUI-粘土

图片

ComfyUI页面

ComfyUI是一个用于稳定扩散模型的图形用户界面和后台工具。它通过节点流程的界面设计,让用户可以轻松拖拽、连接不同的模型、模块和参数,形成高度定制和可复用的 Workflow(AIGC 工作流),而无需编写任何代码。

粘土模型的使用

图片

内置粘土风格模型

在此基础上,我们直接在ComfyUI中添加了粘土风格的模型,只需要点开右上角的文件夹就可以直接打开使用它。

图片

选择想要的图片

然后在图片上传栏目中点击choose file to upload 选择自己想要的图片进行生成。

图片

粘土模型生成最终效果

图片生成后我们不仅可以保存粘土风格的图片,还可以查看模型与原图的对比。

总结

以上就是本次添加的两款一键部署AI应用了。如果你也对AI应用与算力感兴趣或是有需求,不妨搜索厚德云官方看看!

厚德云是专业的AI算力云平台,为用户提供稳定、可靠、易用、省钱的GPU算力解决方案。海量GPU算力资源租用,就在厚德云。

​

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

Ollama本地部署Stable Diffusion图像生成实践指南 深度学习模型本地化部署是当前AI工程实践的重要方向,通过容器化技术实现环境隔离与资源优化。Ollama作为轻量级模型运行时框架,采用'模型即应用'设计理念,显著降低了Stable Diffusion等大型生成模型的部署门槛。该技术方案在保护数据隐私、降低延迟的同时,为设计师、研究人员提供了可靠的本地图像生成能力。在RTX 3060等消费级显卡上即可实现512x512分辨率图像的快速生成,支持通过LoRA适配器进行风格定制,适用于设计素材批量生成、医疗影像处理等对数据敏感性要求较高的场景。 阅读详情

相关推荐

Ollama教程——生成内容API:利用Ollama的原生API进行AI应用开发

在深入探讨ollama的API接口之前,让我们先了解一下API接口的基本概念及其在软件开发中的作用。API,或称应用程序编程接口,是一套明确定义的通讯方法,允许不同软件应用之间交换数据和功能。它们是现代软件开发不可或缺的一部分,尤其是在构建模块化、可扩展和维护性强的系统时。在使用生成完成(Generate a Completion)API时,精确而具体的提示词将大大提高生成内容的相关性和质量。例如,在构建聊天机器人时,根据上下文和用户的具体问题设计提示词,能够使回答更加准确和自然。

walkskyer的博客 1万+

Ollama+Open WebUI+AUTOMATIC1111实现LLM+SD生成图片

本篇我们主要介绍如何在open webui中调用automatic1111的api来。

迪之的博客 5468

ollama 多模态llava图像识别理解模型使用

参考: https://llava-vl.github.io/ https://ollama.com/blog/vision-models https://blog.youkuaiyun.com/weixin_42357472/article/details/137666022 图片地址前面空格就行

weixin_42357472的博客 6273

使用Llama3增强高质量图像生成

Llama 3是Meta推出的大型语言模型(LLM)。在特定条件下可以免费商用(每月最多7亿次请求)。Meta Llama 3的版本从8B到400B不等,超过了谷歌的Gemma/Gemini、Mistral和Claude 3 Sonnet等可比模型,能够在4GB GPU上高效运行。

m0_59164304的博客 1万+

2023年全国赛C题《 电容电感测量装置》设计报告

参考下面网站的方案参考LCR测试仪,基本工作原理为给DUT加上正弦激励信号,然后测得该DUT两端的电压和流过DUT的电流,即可通过计算得到DUT的性质和参数。对于一个理想电容,电流相位应该超前电容两端电压90°。然而实际的电容存在损耗,可以等效为一个理想电容Cp​和一个理想电阻Rp​的并联,因此电流超前电压的相位将小于90°,这个角度差即为损耗角。假设DUT两端电压V˙Vcosωt,流过DUT的电流为I˙Isinωt−φ。

moerjie的博客 4818

银河麒麟V10离线环境下的Python项目迁移:从Windows依赖到ARM架构适配

本文详细介绍了在银河麒麟V10离线环境下将Python项目从Windows迁移到ARM架构的完整流程。重点讲解了离线安装pip、virtualenv等基础工具的方法,以及如何解决ARM架构兼容性问题,确保项目依赖正确迁移。文章还提供了常见问题解决方案和性能优化建议,帮助开发者顺利完成国产化平台适配工作。

weixin_42639246的博客 426

如何在本地使用Ollama运行开源LLMs

本文将指导您下载并使用Ollama,在您的本地设备上与开源大型语言模型(LLMs)进行交互的强大工具。与像ChatGPT这样的闭源模型不同,Ollama提供透明度和定制性,使其成为开发人员和爱好者的宝贵资源。我们将探索如何下载Ollama并与两个令人兴奋的开源LLM模型进行交互:Meta的基于文本的模型LLaMA 2和LLaVA,一个可以处理文本和图像的多模态模型。(本文内容参考:java567.com)

晓风晓浪 3226

gd32 spi 发送&中断接收例程

【代码】gd32 spi 发送&中断接收例程。

weixin_43026921的博客 1653

Ollama 更新!手把手教你用Ollama轻松搭建Llama 3.2 Vision + 视觉RAG系统(本地安装)

Ollama 现在正式支持 Llama 3.2 视觉模型(Llama 3.2 Vision)。你看就像这样拖进去就可以识别图片了。▲ 来源 | Prompt Engineering你可以看到该模型有11B参数版和90B参数版。选择90B参数版时,文件大小约为55GB。当然还有一些量化的版本。Llama 3.2 Vision 11B 至少需要 8GB VRAM,而 90B 型号至少需要 64 GB VRAM。

2401_85373898的博客 8477

SAP Workflow 工作流开发步骤总结

SAP WORKFLOW

qq_36952606的博客 5095

2026年瑞芯微数字IC设计笔试试卷带答案

本文主要考察数字集成电路设计相关知识,包括低功耗设计、时序分析、跨时钟域处理、总线协议等内容。试题分为单选题、多选题、代码设计题和简答题四部分。 单选题涉及门控时钟降低动态功耗、静态时序分析的限制、跨时钟域同步方案、时序违例修复方法、AHB总线信号、异步FIFO设计、半导体工艺电阻特性、二进制数转换、同步/异步复位比较以及分频电路设计等知识点。 多选题重点考查动态功耗优化技术、亚稳态特性、异步FIFO设计规范、Verilog可综合代码编写要求以及AXI总线协议特点等。 代码设计题要求实现一个同步FIFO和3

Open 217

Llama也能做图像生成?文生图模型已开源

如果以扩散模型的发展路线做类似,目前的LlamaGen只是Stable Diffusion v1阶段,改进方向包括SDXL(更大的分辨率,更多的aspect ratio),ControlNet(更高的可控性),Sora(视频生成)。从多模态大模型的视角看,自回归模型分别实现理解任务和生成任务都被证明了可行性,下一步就是在同一个模型中联合训练。这需要更多的图文数据和更大的计算资源才能走得通,也可能由于文本数据和图像数据的内在distribution不同这条路走到后面不太行得通。大模型时代,一切皆有可能!

python123456_的博客 5903

【软件系统架构】系列四:嵌入式软件-NPU(神经网络处理器)系统及模板

NPU(Neural Processing Unit) 是专门用于人工神经网络推理与训练的处理器,具备高并行、低功耗、低延迟等特点。它是边缘 AI、自动驾驶、智能摄像头、语音识别等场景中的关键硬件。

moton2017的博客 2255

基于Ollama的本地图像生成

Ollama 最近推出了实验性本地图像生成,允许您在自己的机器上完全运行强大的文本到图像模型。无供应商锁定无基于使用的定价非常适合内部工具、原型和隐私优先的应用程序如果您曾经这样想过:“AI 很酷,但我不希望我的应用程序依赖云端账单。这是您的时刻。Ollama 目前有 2 个开源模型可以在您的本地机器上生成图像。在我撰写本文时,它仅支持在 macOS 上进行图像生成,Windows 和 Linux 即将推出。

新缸中之脑 3178

【雕爷学编程】Arduino动手做(111)---震动提醒模块

37款传感器与执行器的提法,在网络上广泛流传,其实Arduino能够兼容的传感器模块肯定是不止这37种的。鉴于本人手头积累了一些传感器和执行器模块,依照实践出真知(一定要动手做)的理念,以学习和交流为目的,这里准备逐一动手尝试系列实验,不管成功(程序走通)与否,都会记录下来---小小的进步或是搞不掂的问题,希望能够抛砖引玉。

雕爷学编程 1898

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

用 Ollama 轻松玩转本地大模型

而作为价值约 8 美元/月的 Raycast AI 的平替,Raycast Ollama 实现了 Raycast AI 的绝大多数功能,且随着 Ollama 及开源模型的迭代,还将支持多模态等 Raycast AI 不支持的功能,可谓潜力无限。以 4-bit 量化为例,其将原本 FP16 精度的权重参数压缩为 4 位整数精度,使模型权重体积和推理所需显存均大幅减小,仅需 FP16 的 1/4 至 1/3,意味着约 4GB 显存即可启动 7B 模型的推理(当然实际显存需求会随着上下文内容叠加而不断增大)。

m0_54050778的博客 1万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

Ollama+ComfyUI实现AI绘画——项目实践指南

首先,您需要准备Ollama,这是一个强大的AI绘画工具。您可以访问官方网站进行下载。根据您的操作系统,请选择相应的版本。安装完成后,默认情况下,Ollama存储在C盘。如果您希望更改模型存储位置,包括模型文件存放的路径,需要设置一个环境变量。创建自己的工作流可能会有些繁琐,因此我们推荐使用网络上其他大牛分享的工作流。设置环境变量OLLAMA_MODELS指向您希望的路径,例如:R:/Ollama_Models。完成以上步骤后,您就成功安装并配置了Ollama!至此,您已成功安装和配置了ComfyUI!

渗透测试 3325

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Ollama 图像生成问题

Ollama 图像生成问题

在经历了无数个黑夜之后,我决定自己成为太阳 654

Open WebUI使用Ollama的Deepseek和ComfyUI的Flux进行图片生成

Open WebUI配置情况如下,填写ComfyUI基础地址,再上传上述workflow.json,然后填写工作流节点。系统提示词:你只给出flux生成一张图片的提示词,要求提示词用英文,你的回答只需要给英文提示词,不需要其他多余的话。1⃣️ 本教程已搭建Open WebUI、Ollama、ComfyUI环境。2⃣️ Ollama已安装Deepseek-r1:32B模型。实现目标:使用DeepSeek+Flux生成质量较高的图片。输入对话:画一张赛博朋克风格的城市图片。然后点击下图所示的“生成图片”图标。

m0_56011057的博客 1982

企业本地大模型用Ollama+Open WebUI+Stable Diffusion可视化问答及画图

1. Ollama 管理和下载各个模型的工具 2. Open WebUI 友好的对话界面 3. Stable Diffusion 绘图工具 4. Docker 部署在容器里,提高效率

茶馆 1万+

借助ollama实现AI绘画提示词自由,操作简单只需一个节点!

只需要将ollama部署到本地,借助comfyui ollama节点即可给你的Ai绘画提示词插上想象的翅膀。具体看详细步骤!第一步打开ollama官网:https://ollama.com/,并选择models显存太小选择的是llama3\8b参数的instruct-q6_k的这个模型。运行方式也很简单,只要你网络没问题,直接在终端里,运行ollama run llama3:8b-instruct-q6_K这个命令,这样你可以在终端里llama3交流了!

python1234_的博客 4497

探索未来编程新可能:Ollama Python

探索未来编程新可能:Ollama Python 【免费下载链接】ollama-python 项目地址: https://gitcode.com/GitHub_Trending/ol/ollama-python ...

gitblog_00041的博客 827

0基础使用LLAMA大模型搞科研,自动阅读论文、代码修改、论文润色、稿件生成等等

0基础使用LLAMA大模型搞科研,自动阅读论文、代码修改、论文润色、稿件生成等等。

代码讲故事 3018
上一篇: Ollama 如何排除故障
下一篇: 可验证大模型输出、训练来源,斯坦福提出“统一归因”框架
爱喝白开水a
博客等级 码龄3年 6793粉丝 763原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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