一、为什么需要本地部署属于自己的大模型？
- 趋势：我们正处于AI人工智能时代，各行各业的公司和产品都在向AI靠拢。打造垂直领域的AI模型将成为每个公司未来的发展趋势。
- 数据安全：在无法掌握核心算法的情况下，许多公司选择使用大公司的成熟方案。然而，这涉及到数据安全的问题。训练垂直定制化的大模型需要大量数据，而数据是公司的核心资产和基石。没有公司愿意将这些关键数据上传到外部服务器，这是公司的命脉所在。
- 本地部署的重要性：因此，本地部署和训练自有或定制化的大模型显得尤为重要。这不仅是未来的发展趋势，也是程序员必须掌握的关键流程和解决方案。
二、如何拥有属于自己的本地大模型呢？
经过博主深入评估和多次测试，为您推荐以下解决方案：
- 使用 Llama3:8b 作为模型
- 通过 Ollama 部署
- 利用 Llama.cpp 进行量化优化
- 采用 Unsloth 进行模型训练和微调
三、为什么要选择这个方案？
1、Llama3:8b
- 低算力需求和成本：Llama3:8b 对计算资源的需求较小，运营成本低。
- 卓越的上下文记忆能力：模型能够有效记住上下文，满足业务需求。
- 灵活的微调能力：适应不同的业务场景和需求。
- 开源：社区支持强大，开发者资源丰富。
2、Ollama
- 活跃的生态和开发者社区：提供丰富的资源和支持。
- 高效的部署和运行：确保模型的稳定性和性能。
- 灵活的 API 接口：满足业务对训练模型的多样化需求。
- 开源且易于使用：降低了上手难度，适合快速开发和迭代。
3、Llama.cpp
- 广泛支持 Llama3:8b 的量化工具：目前市面上对 Llama3:8b 支持最好的量化工具之一。
- 丰富的教程资源：学习和使用成本低。
- 开源：开发者可以自由使用和修改，社区贡献积极。
4、Unsloth
- 多样化的数据集支持：能够处理不同类型的数据，适应性强。
- 优异的性能：训练效果显著，能够提高模型的精度。
- 本地训练支持：对数据隐私有更好的保护。
- 开源：开发者可以自由访问和修改，提升了灵活性和可控性。
四、话不多说，让我们开始吧！
1、安装 Ubuntu 【NVIDIA GPU驱动安装】
为什么需要使用 GPU 去跑我们的大模型呢？
- 训练时间：使用GPU可以显著缩短模型的训练时间。例如，一个复杂的深度学习模型在GPU上可能只需要几小时，而在CPU上可能需要几天甚至几周。
- 模型推理：在推理阶段，尤其是需要处理大量实时数据时，GPU的高并行处理能力可以提供更快的响应时间和更高的吞吐量。
虽然CPU也可以用于运行大模型，但在处理深度学习任务时，GPU的并行计算能力、计算性能和专用硬件支持使其更为适合。GPU能够显著提升大模型的训练和推理效率，降低时间和功耗成本。
一、官方方案
参考文档：
CUDA Toolkit 12.4 Update 1 Downloads | NVIDIA Developer
二、方案二（经实践，简单 好用）
1、安装 CUDA:
官网脚本： developer.nvidia.com/cuda-toolki…
# 脚本文件命令（根据上述网站）
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda-repo-ubuntu2204-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2204-12-1-local_12.1.0-530.30.02-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2204-12-1-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt search cuda-toolkit
sudo apt-get -y install cuda
2、安装驱动： shell
# 系统会推荐安装驱动的版本区间
sudo ubuntu-drivers devices
# 安装合适版本驱动
sudo apt-get install -y cuda-drivers-550
# 验证
nvidia-smi
watch -n 5 nvidia-smi
2、首先我们需要安装 Ollama
方案 一：快速安装，只能安装最新版本，经检测 最新版有Bug。
curl -fsSL https://ollama.com/install.sh | sh
方案二：手动安装，自由灵活。
1、二进制文件下载。
sudo curl -L https://ollama.com/download/ollama-linux-amd64 -o /usr/bin/ollama
历史版本下载：
Releases · ollama/ollama (github.com)
2、给文件添加执行权限
sudo chmod +x /usr/bin/ollama
3、创建 ollama 用户
sudo useradd -r -s /bin/false -m -d /usr/share/ollama ollama
4、创建配置文件
vi /etc/systemd/system/ollama.service
配置文件参考
[Unit]
Description=Ollama Service
After=network-online.target
[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
# 监听端口
Environment="OLLAMA_HOST=0.0.0.0:11434"
# 模型下载位置 （需要给 ollama用户文件夹权限： sudo chown ollama:ollama ollama/）
Environment="OLLAMA_MODELS=/home/ek-p/ollama"
# 单模型并发数量
Environment="OLLAMA_NUM_PARALLEL=100"
# Gpu选择 （如有GPU，需要在硬件安装GPU去驱动，安装文档参考下文。）
Environment="CUDA_VISIBLE_DEVICES=0,1"
# 多模型并发数量
Environment="OLLAMA_MAX_LOADED_MODELS=3"
[Install]
WantedBy=default.target
5、启动 Ollama
sudo systemctl daemon-reload
sudo systemctl enable ollama
6、查看日志
journalctl -u ollama -r
7、问题：文件夹权限不够
May 16 16:24:25 ek-s systemd[1]: ollama.service: Failed with result 'exit-code'.
May 16 16:24:25 ek-s systemd[1]: ollama.service: Main process exited, code=exited, status=1/FAILURE
May 16 16:24:25 ek-s ollama[10780]: Error: mkdir /home/ekw-p: permission denied
sudo chown ollama:ollama ollama/
8、运行成功
继续查看日志
May 16 16:39:47 ek-s ollama[4183]: time=2024-05-16T16:39:47.384+08:00 level=INFO source=cpu_common.go:11 msg="CPU has AVX2"
May 16 16:39:47 ek-s ollama[4183]: time=2024-05-16T16:39:47.383+08:00 level=INFO source=gpu.go:127 msg="detected GPUs" count=1 library=/usr/lib/x86_64-li>
May 16 16:39:47 ek-s ollama[4183]: time=2024-05-16T16:39:47.125+08:00 level=INFO source=gpu.go:122 msg="Detecting GPUs"
May 16 16:39:47 ek-s ollama[4183]: time=2024-05-16T16:39:47.125+08:00 level=INFO source=payload.go:44 msg="Dynamic LLM libraries [cpu cpu_avx cpu_avx2 cu>
May 16 16:39:44 ek-s ollama[4183]: time=2024-05-16T16:39:44.222+08:00 level=INFO source=payload.go:30 msg="extracting embedded files" dir=/tmp/ollama1963>
May 16 16:39:44 ek-s ollama[4183]: time=2024-05-16T16:39:44.221+08:00 level=INFO source=routes.go:1034 msg="Listening on [::]:11434 (version 0.1.34)"
May 16 16:39:44 ek-s ollama[4183]: time=2024-05-16T16:39:44.220+08:00 level=INFO source=images.go:904 msg="total unused blobs removed: 0"
May 16 16:39:44 ek-s ollama[4183]: time=2024-05-16T16:39:44.220+08:00 level=INFO source=images.go:897 msg="total blobs: 0"
3、 接着我们需要使用 Ollama 运行我们的 大模型 Llama3:8b
1、使用 ollama 查看模型列表
ollama list
2、下载大模型
ollama Model 库：library (ollama.com)
经检测目前比较适用的大模型为：llama3:8b
ollama pull llama3:8b
3、运行大模型
ollama run llama3:8b
4、测试我们的大模型
成功。
如何学习AI大模型？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么我作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈
全套AGI大模型学习大纲+路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉 福利来袭优快云大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点 👈
这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
扫一扫
3172
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
