Ollama 如何排除故障

原创最新推荐文章于 2026-09-20 17:22:48 发布 5.7k 阅读 AI写同款

我爱学大模型

7883粉丝687篇原创

关注

跑在笔记本里的大语言模型 - GPT4All GPT4All支持多种不同大小和类型的模型，用户可以按需选择。序号模型许可介绍1商业许可基于GPT-J，在全新GPT4All数据集上训练2非商业许可基于Llama 13b，在全新GPT4All数据集上训练3商业许可基于GPT-J，在v2 GPT4All数据集上训练。4商业许可基于GPT-J，在v1 GPT4All数据集上训练5商业许可基于GPT-J，在v0 GPT4All数据集上训练6非商业许可。阅读详情

AI摘要

本文详细介绍了如何查看Ollama在不同操作系统上的日志，包括Mac、Linux、Docker和Windows，以及如何通过日志解决运行问题。同时，提供了大模型AI的学习路线，涵盖初阶应用、高阶应用、模型训练和商业闭环四个阶段。

Ollama 日志

Mac

有时，Ollama 可能无法如你所愿运行。解决问题的一个好方法是查看日志。在 Mac 上，你可以通过运行以下命令来查看日志：

cat ~/.ollama/logs/server.log

Linux

在使用 systemd 的 Linux 系统上，可以用这个命令查看日志：

journalctl -u ollama

Docker

在容器中运行 Ollama 时，日志会直接输出到容器的标准输出和标准错误输出中：

docker logs <container-name>

（使用 docker ps 可以找到容器的名字）

如果你是在终端里手动运行 ollama serve，那么日志会显示在该终端上。

Windows

在 Windows 上运行 Ollama 时，日志的存放位置有一些不同。你可以通过按下 +R 并输入下面的命令，在资源管理器窗口中查看日志：

explorer %LOCALAPPDATA%\Ollama 查看日志
explorer %LOCALAPPDATA%\Programs\Ollama浏览二进制文件（安装程序会添加到你的用户路径中）
explorer %HOMEPATH%.ollama 浏览存储模型和配置的位置
explorer %TEMP% 浏览存储在一个或多个 ollama* 目录中的临时可执行文件

为了更好地排查问题，启用额外的调试日志，首先从系统托盘菜单退出应用，然后在 PowerShell 终端中执行：

$env:OLLAMA_DEBUG="1"& "ollama app.exe"

LLM 库

Ollama 内置了多个为不同 GPU 和 CPU 向量特性编译的大语言模型（LLM）库。Ollama 会尝试根据你的系统能力选择最合适的库。如果自动检测功能出现问题，或者你遇到了其他问题（如 GPU 崩溃），可以通过指定特定的 LLM 库来解决。cpu_avx2 的性能最佳，其次是 cpu_avx，最慢但兼容性最强的是 cpu。MacOS 下的 Rosetta 模拟可以使用 cpu 库。

在服务器日志中，你会看到类似下面这样的消息（具体内容可能因版本而异）：

Dynamic LLM libraries [rocm_v6 cpu cpu_avx cpu_avx2 cuda_v11 rocm_v5]

LLM 库替换（实验性）

你可以通过设置 OLLAMA_LLM_LIBRARY 来指定使用哪个 LLM 库，从而绕过自动检测。例如，如果你有一张 CUDA 显卡，但想要强制使用支持 AVX2 向量的 CPU LLM 库，可以使用：

OLLAMA_LLM_LIBRARY="cpu_avx2" ollama serve

你可以通过以下命令查看你的 CPU 支持哪些特性：

cat /proc/cpuinfo| grep flags | head -1

在 Linux 上安装旧版本或预发布版本

如果你在 Linux 上遇到问题想要安装一个旧版本，或者想要在正式发布前尝试预发布版本，你可以通过指定版本号来告诉安装脚本安装哪个版本：

curl -fsSL <https://ollama.com/install.sh> | OLLAMA_VERSION="0.1.29" sh

Linux 的 tmp 目录设置为 noexec

如果你的系统将 Ollama 存储临时可执行文件的 tmp 目录设置为了 “noexec”，你可以通过设置 OLLAMA_TMPDIR 来指定一个用户可写的替代位置。例如 OLLAMA_TMPDIR=/usr/share/ollama/

在 NVIDIA GPU 上运行容器失败

确保你已按照 docker.md 描述的步骤设置好了容器运行时环境。

有时，容器运行时可能在初始化 GPU 时遇到问题。查看服务器日志时，你可能会看到各种错误代码，如 “3”（未初始化）、“46”（设备不可用）、“100”（无设备）、“999”（未知）等。以下是一些可能帮助解决问题的排查方法：

容器运行时是否正常工作？尝试运行 docker run --gpus all ubuntu nvidia-smi，如果这不起作用，Ollama 将无法识别你的 NVIDIA GPU。
UVM 驱动是否未加载？运行 sudo nvidia-modprobe -u
尝试重新加载 nvidia_uvm 驱动 - 先运行 sudo rmmod nvidia_uvm 然后运行 sudo modprobe nvidia_uvm
尝试重启电脑
确保你使用的是最新的 nvidia 驱动
如果这些方法都无法解决问题，请收集更多信息并提交问题报告：
设置 CUDA_ERROR_LEVEL=50 并尝试再次运行，以获得更多诊断日志
检查 dmesg 是否有任何相关错误，运行 sudo dmesg | grep -i nvrm 和 sudo dmesg | grep -i nvidia

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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。

在这里插入图片描述