前言
在数字化的浪潮中，Ollama如同一位技术界的“魔法师”，挥舞着它的魔杖——一行简单的命令，就能唤醒沉睡的代码巨人，一键本地部署2000+ 大模型！今天，让我们揭开Ollama的神秘面纱，一探究竟。
一、Ollama：AI“魔法师”
Ollama，它是一个轻量级、可扩展的大模型框架，就像是一位能够召唤各种大语言模型的魔法师。它不仅支持Windows、Linux、MacOS这些主流操作系统，还拥有一个庞大的模型库，包括Qwen、Llama等2000+大语言模型。
你只需轻轻一念咒语（输入命令），就能让这些模型为你所用，是不是很酷？
跨平台支持
Ollama就像是那个传说中的“万能钥匙”，无论你是在Windows的城堡、Linux的森林还是MacOS的岛上，都能轻松打开AI的大门。
丰富的模型库
提供了丰富的模型库，就像是给你一个巨大的“魔法书库”，里面藏有各种强大的魔法书（模型），你可以根据需要随时“借阅”。
自定义模型参数
支持用户上传自己的模型，就像是给你一个“魔杖”，你可以用它来调整魔法的效果，让魔法更符合你的心意。
多GPU并行推理加速
在多卡环境下，可以设置环境变量来指定特定GPU。这就像是给你的魔法书加上“加速咒”，让你的魔法施展得更快。
二、安装：简单到“真·一键搞定”
1、Windows安装
直接从下载页面下载相对应系统的安装程序，Windows安装程序选择Windows的安装包，点击“Download for Windows(Preview)”。
下载好以后，双击安装包，之后一直点击“install”安装即可。安装完成之后，打开一个cmd命令窗口，输入“ollama”命令，如果显示ollama相关的信息就证明安装已经成功了，如下图：
2、Mac安装
从下载页面，下载苹果系统相对应的安装程序，即点击“Download for Mac”。
下载好后，双击安装包，点击“install”，等待Ollama自动安装。
（鉴于很多朋友无法下载ollama，这里给大家整理好了ollama的安装包，扫描领取即可↓↓↓↓）
3、Linux安装
在Linux系统上，可以通过脚本安装或源码编译的方式来安装Ollama，下面介绍主流的脚本安装方法。
脚本安装
Ollama提供了一键安装脚本，可以快速在Linux系统上安装Ollama，打开终端，执行以下命令下载安装脚本：
curl -fsSL https://ollama.com/install.sh | sh
等待安装完成。安装脚本会自动下载所需的组件，并完成Ollama的安装与配置。安装完成后,可以通过以下命令启动Ollama:
ollama serve
三、命令参数：你的AI助手
以下是Ollama使用常见的指令：
ollama serve #启动ollama
ollama create #从模型文件创建模型
ollama show #显示模型信息
ollama run #运行模型
ollama pull #从注册表中拉取模型
ollama push #将模型推送到注册表
ollama list #列出模型
ollama cp #复制模型
ollama rm #删除模型
ollama help #获取有关任何命令的帮助信息
四、设置自定义模型下载路径
默认情况下，ollama模型的存储目录如下：
macOS: `~/.ollama/models`
Linux: `/usr/share/ollama/.ollama/models`
Windows: `C:\Users\<username>\.ollama\models`
Windows更改Ollama模型存放位置
在Windows系统中，若要更改Ollama模型的存放位置，可以按照以下步骤操作：
- 右键点击“此电脑”或“我的电脑”，选择“属性”。
- 在系统窗口中选择“高级系统设置”。
- 在系统属性窗口中点击“环境变量”按钮。
- 在环境变量窗口中，点击“新建”创建一个新的系统变量或用户变量。
- 变量名：OLLAMA_MODELS
- 变量值：输入你希望设置的新模型存放路径，例如：E:\Ollama\Models
- 点击“确定”保存设置。
- 重启Ollama相关服务，使新的路径生效。
Linux/Mac更改Ollama模型存放位置
在Linux或Mac系统中，更改Ollama模型存放位置的步骤如下：
- 打开终端，创建一个新的目录作为模型存放位置，例如：`mkdir -p /path/to/your/new/ollama/models`
- 设置环境变量：在Linux系统中，可以通过编辑/.bashrc或/.bash_profile文件（对于bash shell）或~/.zshrc文件（对于zsh shell）。
- 在Mac系统中，可以通过编辑/.bash_profile或/.zshrc文件。
- 在终端中运行以下命令：`source ~/.bashrc`（或者source ~/.bash_profile，取决于你编辑的文件）
- 重启Ollama相关服务，使新的路径生效。
五、导入huggingface模型
最新版Ollama开始支持从Huggingface Hub上直接拉取各种模型，包括社区创建的GGUF量化模型。
用户可以通过简单的命令行指令快速运行这些模型，可以使用如下命令：
ollama run hf.co/{username}/{repository}
要选择不同的量化方案，只需在命令中添加一个标签：
ollama run hf.co/{username}/{repository}:{quantization}
例如：量化名称不区分大小写
ollama run hf.co/bartowski/Llama-3.2-3B-Instruct-GGUF:IQ3_M
ollama run hf.co/bartowski/Llama-3.2-3B-Instruct-GGUF:Q8_0
还可以直接使用完整的文件名作为标签：
ollama run hf.co/bartowski/Llama-3.2-3B-Instruct-GGUF:Llama-3.2-3B-Instruct-IQ3_M.gguf
程序员为什么要学大模型？
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。
事实上，抢你饭碗的不是AI，而是会利用AI的人。
继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
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！
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。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）
LLM大模型学习路线 ↓
阶段1：AI大模型时代的基础理解
-
目标：了解AI大模型的基本概念、发展历程和核心原理。
-
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
-
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
-
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
-
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
-
内容：
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
-
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
-
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
扫一扫
9130
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
