AI大模型本地部署开源框架 Ollama 介绍

Ollama 可以在 Windows 上运行了 阅读详情

Ollama 是一个本地部署大模型的开源框架,降低了本地部署和管理大模型的门槛,且提供了丰富的开源大模型库,值得开发者学习和使用。本文简单介绍了 Ollama 的特性、应用场景,本地安装和运行大模型的步骤。

Ollama 是一个开源框架,专为在本地机器上便捷部署和运行大型语言模型(LLM)而设计。Ollama 是 Omni-Layer Learning Language Acquisition Model 的简写,这代表一种新颖的机器学习方法,承诺重新定义我们对语言习得和自然语言处理的看法。

Ollama的关键特性:

  • 本地执行:Ollama 的一个显著特点是其能够本地运行 LLMs,减轻了与基于云的解决方案相关的隐私问题。通过将AI 模型直接带到用户的设备上,Ollama 确保了对数据的更大控制和安全性,同时提供了更快的处理速度和减少对外部服务器的依赖。
  • 丰富的模型库:Ollama 提供了丰富的预训练 LLMs 库,包括流行的模型(如,Llama 3)。用户可以具体的需求,针对不同任务、领域和硬件能力,选择合适的模型,确保了 AI 项目的灵活性和多功能性。
  • 无缝集成:Ollama 可与各种工具、框架和编程语言无缝集成,使开发者能够轻松地将 LLMs 纳入他们的工作流程中。无论是 Python、LangChain 还是 LlamaIndex,Ollama 为构建复杂的 AI 应用程序和解决方案提供了强大的集成选项。
  • 定制和微调:有了 Ollama,用户有能力定制和微调 LLMs 以满足他们的特定需求和偏好。从提示工程到少样本学习和微调过程,Ollama 赋予用户塑造 LLMs 行为和输出的能力,确保它们与预期目标一致。

Ollama 的出现,使得在本地运行大型语言模型变得更加容易和方便。Ollama 的应用场景有:

  • 创意写作和内容生成:作家和内容创作者可以利用 Ollama 来克服写作障碍,头脑风暴内容创意,并在不同体裁和格式中生成多样化和吸引人的内容。 
  • 代码生成和辅助:开发人员可以利用 Ollama 的能力进行代码生成、解释、调试和文档编写,简化他们的开发工作流程并提高代码质量。 
  • 语言翻译和本地化:Ollama 的语言理解和生成能力使其成为翻译、本地化和多语言沟通的宝贵工具,促进跨文化理解和全球合作。 
  • 研究和知识发现:研究人员和知识工作者可以通过使用 Ollama,从大量的信息中进行分析、整合和提取洞察,提高知识获取的效率。涵盖文献综述、数据分析、假设生成和知识提取等场景。 
  • 客户服务和支持:企业可以部署由 Ollama 驱动的智能聊天机器人和虚拟助手,以增强客户服务,自动化常见问题解答,提供个性化的产品推荐,并分析客户反馈以提高满意度和参与度。
  • 医疗保健和医疗应用:在医疗保健行业,Ollama 可以协助医疗文档编写、临床决策支持、患者教育、远程医疗和医学研究,提升医疗保健效率。

安装

以 windows 系统为例,安装步骤如下:

下载

进入官网下载页面(https://ollama.com/download),选择 windows 版本下载

安装

点击安装文件 OllamaSetup.exe,可直接进行安装。默认情况下,会安装在 C 盘上,会占用 C 盘的存储空间。可通过以下方式,变更 ollama 的安装路径:

打开 powershell,进入 OllamaSetup.exe,运行以下命令后(DIR 路径为安装路径,如"E:\developToolkit\ollama") ,会出现安装弹框,点击 Install,即可将 Ollama 安装到指定的路径。

OllamaSetup.exe /DIR="E:\developToolkit\ollama"

Ollama 安装弹窗:

安装完成后,在 powershell 输入 "ollama -v ",输出 Ollama 的版本信息,说明已按照成功

图片

设置大模型存储位置

要改变 Ollama 存储下载模型的位置(默认是存储在 C 盘的用户目录,会占用 C 盘的大量存储空间),可通过设置环境变量 OLLAMA_MODELS 的方式,设置大模型的存储位置。

  1. 启动设置(Windows 11)或控制面板(Windows 10)应用程序,并搜索环境变量。
  2. 点击为环境变量。点击新建一个系统变量。
  3. 编辑或创建一个新的变量 OLLAMA_MODELS ,指定希望模型存储的位置。
  4. 点击确定/应用以保存。

图片

运行

选择大模型

进入 Ollama 的模型页面,选择要运行的大模型:https://ollama.com/search

图片

以 qwen2.5 模型为例,选择模型规格(如,3b),拷贝模型标识(qwen2.5:3b)

图片

在 powershell 窗口,输入命令:ollama pull qwen2.5:3b,完成模型的下载。

图片

输入命令:ollama list,即可查看到本地的模型清单。由于我们之前设置的环境变量 OLLAMA_MODELS,大模型会存储的 OLLAMA_MODELS 指定的目录路径。

图片

运行大模型

输入命令:ollama run qwen2.5:3b,即可运行刚才下载到本地的大模型,可在终端与大模型对话。

图片

也可以通过 api 的方式,与本地运行的大模型进行交互:

(Invoke-WebRequest -method POST -Body '{"model":"qwen2.5:3b", "prompt":"Why is the sky blue?", "stream": false}' -uri http://localhost:11434/api/generate ).Content | ConvertFrom-json

本文简单介绍了 Ollama 的特性、应用场景、安装、本地运行大模型。

我们该怎样系统的去转行学习大模型 ?

很多想入行大模型的人苦于现在网上的大模型老课程老教材,学也不是不学也不是,基于此,我用做产品的心态来打磨这份大模型教程,深挖痛点并持续修改了近100余次后,终于把整个AI大模型的学习门槛,降到了最低!

在这个版本当中:

第一不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲,跟着我做即可,为了让学习的道路变得更简单,这份大模型教程已经给大家整理并打包,现在将这份 LLM大模型资料 分享出来: 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

​

一、大模型经典书籍(免费分享)

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套大模型报告(免费分享)

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)
在这里插入图片描述

三、大模型系列视频教程(免费分享)

在这里插入图片描述

四、2025最新大模型学习路线(免费分享)

我们把学习路线分成L1到L4四个阶段,一步步带你从入门到进阶,从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段:我们会去了解大模型的基础知识,以及大模型在各个行业的应用和分析;学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段:攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程,我们会去学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段:跃迁篇丨Agent智能体架构设计

L3阶段:大模型Agent应用架构进阶实现,我们会去学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造我们自己的Agent智能体。

L4阶段:精进篇丨模型微调与私有化部署

L4阶段:大模型的微调和私有化部署,我们会更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调。

L5阶段:专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包,有需要的小伙伴可以微信扫描下方二维码,免费领取

​

Ollama入门教程:从安装到运行的完整指南 随着人工智能(AI)技术的快速发展,大型语言模型(LLMs)逐渐成为了各行各业的重要工具。然而,使用这些强大模型的同时,数据隐私、处理效率和部署复杂度等问题也逐渐浮现。为了解决这些问题,Ollama 提供了一种创新的解决方案——通过本地化部署大型语言模型,不仅能够增强数据隐私性,还能提高模型的运行效率。本文将详细介绍如何下载和安装 Ollama,如何选择和运行不同的语言模型,以及 Ollama 的特点、适用场景、优缺点等内容,帮助大家深入了解这一平台。ollama官网🚪 ollama官方文档🚪 根据自己 阅读详情

相关推荐

Ollama:一个在本地部署、运行大型语言模型的工具

所谓自定义模型就是不适用Ollama官方模型库中的模型,理论可以使用其他各类经过转换处理的模型Ollama库中的模型可以通过提示进行自定义。python复制代码FROM llama3 # 设置温度参数 PARAMETER temperature 1 # 设置SYSTEM 消息 SYSTEM """作为AI智能助手,你将竭尽所能为员工提供严谨和有帮助的答复。"""Modelfile文档One-API是一个OpenAI接口管理 & 分发系统,支持各类大模型。这里使用Docker快速进行部署。拉取镜像。

2401_84495725的博客 6721

一文彻底整明白,基于Ollama工具的LLM大语言模型Web可视化对话机器人部署指南

在上一篇博文中,我们在本地部署了**Llama 3 8B**参数大模型,并用 Python 写了一个控制台对话客户端,基本能愉快的与 Llama 大模型对话聊天了。但控制台总归太技术化,体验不是很友好,我们希望能有个类似 ChatGPT 那样的 Web 聊天对话界面,本博文就安排起来……

老牛啊 1万+

Ollama 部署 DeepSeek-R1 本地模型

Ollama 是一个快速、轻量且易于使用的开源 AI 代理框架,由 Facebook 开发,可以用来托管和运行各种语言模型(LLM),可以实现在您的硬件设备快速部署各种本地大模型,并且提供了一个简单命令行界面,方便用户快速部署。既然现在已经了解了 Ollama是干嘛的,那么接下来就是在你的操作系统中安装 Ollama了。

qq_34185638的博客 4486

使用ollama在本地部署llama3-8b大模型

使用ollama在本地部署llama3-8b大模型

weixin_39945822的博客 1万+

零基础入门AI:一键本地运行各种开源大语言模型 - Ollama

Ollama 是一个可以在本地部署和管理开源大语言模型的框架,由于它极大的简化了开源大语言模型的安装和配置细节,一经推出就广受好评,目前已在github上获得了46k star。不管是著名的羊驼系列,还是最新的AI新贵Mistral,等等各种开源大语言模型,都可以用Ollama实现一键安装并运行,支持的更多模型的列表可以查看Ollama官网。本文就让我们一起入门Ollama。

2401_86435672的博客 1502

『AI大模型』Ollama、DeepSeek 和 Cherry Studio 本地知识库搭建实战指南

深入探讨如何利用 Ollama、DeepSeek 和 Cherry Studio 搭建本地知识库,从技术原理到实践步骤,再到优化策略,全方位呈现知识库构建的精髓,助你在本地数据管理与检索领域实现技术突破,打造高效、智能的企业级知识管理解决方案。

老陈聊架构 2444

人工智能——使用Ollama部署本地大模型

在如今的 AI 应用领域中,大模型(LLM,Large Language Models)已然成为推动前沿技术发展的关键力量。其中的 Top1 当属 OpenAI 的 GPT 系列无疑,它通过大规模的数据训练、可以执行高质量的语言处理任务,如聊天问答、文本生成、翻译等。前排提示,文末有大模型AGI-优快云独家资料包哦!

xzp740813的博客 1561

Context Capture10.20 安装教程(附安装包)

ContextCapture 是一款由Bentley公司推出的实景建模软件,可以快速为各种类型的基础设施项目生成最具挑战性的反应现实环境的三维模型。

一起来交流学习吧 2万+

在国产系统上部署开源大模型

在上一篇文章《国产系统上的 Copilot 初体验》中,我写到了 UOS AI。UOS 本身并没有提供大模型接入,目前市面上的开源大模型很多,我也具备本地部署大模型的条件,何不在 UOS 系统上部署一下大模型呢?本地部署大模型的方法很多,一般选择 docker 容器部署,或者使用本地服务框架。这里介绍使用本地服务框架 Ollama 部署。Ollama 大模型框架Ollama 是一个新兴的大模型框架...

云水木石 1989

基于 YOLO + SAM 的自动图像标注实战

摘要: 本文提出一种基于YOLO检测和SAM分割的自动化数据标注流水线方案,通过YOLO定位目标并生成检测框,再以检测框为提示驱动SAM完成精细分割,最终输出YOLO格式的标注文件。该方案将人工标注升级为半自动流程,显著提升标注效率,尤其适用于多类别、大规模图像的实例级标注需求。代码模块化设计支持模型灵活替换,并集成异常处理与进度可视化功能。虽依赖YOLO检测质量且对小目标存在局限,但作为工程落地方案,可有效降低私有数据集构建成本,适用于工业检测、遥感等场景的冷启动标注。

qq_64366203的博客 1147

从入门到精通:HyperMesh实体选择全攻略(含2025新界面操作)

本文系统解析了HyperMesh从基础到高级的实体选择技巧,重点介绍了2025新界面的交互逻辑与效率提升。内容涵盖选择模式、框选方法、右键菜单高级选择、图形窗口选择器与命令面板的智能联动,以及利用浏览器和过滤器进行精准定位的实战指南,帮助用户显著提升前处理建模效率。

open4的博客 1084

Ollama 介绍,搭建本地 AI 大模型 deepseek,并使用 Web 界面调用

Ollama 是一个基于 Go 语言的本地大语言模型运行框架,类 Docker产品(支持 list,pull,push,run 等命令),事实上它保留了 Docker 的操作习惯,支持上传大语言模型仓库(有 deepseek、llama 2,mistral,qwen 等模型,你也可以自定义模型上传)。

pythonhy的博客 1332

RTKLIB中RTK定位原理(一)

1 模型 1.1 非差观测值 非差观测值与RTKLIB中PPP定位原理——观测模型部分中一致。 1.2 单间单差观测值 若两个接收机距离较近,经过站间单差,电离层对流层延迟可消除,卫星s的钟差以及初始相位被消除,中依然包含接收机初始相位。 1.3 站间星间双差观测值 经过站间星间双差,接收机钟差及初始相位被消除。 2 EKF参数估计 2.1 EKF法则 EKF法则与RTKLIB中PPP定位原理——观测模型部分中一致。 2.2 状态变量与时间更新 (1)状态变量 在RTK...

papunzal的博客 3817

两步实现deepseek的本地部署

ollama是一个开源的本地大模型语言模型(LLM)运行框架,旨在让用户能够在自己的电脑上轻松部署和运行各种AI模型(如deepseek),无需依赖云端服务。基于你电脑的操作系统下载安装包(速度慢可以考虑科学上网懂的都懂)进行安装(这里会默认安装到c:/user/“你当前的电脑用户”),如何修改我还不知道输入ollama看看打开模型库选择deepseekcmd会帮你下载大模型(请你耐心等待)询问它问题ok这样你就部署成功了。

qq_73968447的博客 1122

手把手教你用VMware虚拟机搭建PCAN开发环境:从Ubuntu安装到CAN通讯实战

本文详细指导如何在VMware虚拟机中搭建PCAN开发环境,涵盖从Ubuntu系统安装、VMware精细配置、PCAN-USB设备直通,到Linux驱动编译、can-utils工具集使用及完整CAN通讯测试的全过程。通过实战步骤与故障排查技巧,帮助开发者快速构建稳定高效的CAN总线开发与测试沙盒,特别适合车载诊断与嵌入式通讯应用。

weixin_29216353的博客 224

macOS 27下PlayCover“没有权限打开”的完整修复指南

macOS系统通过Gatekeeper、TCC(透明、同意与控制)和安全启动等机制,对第三方应用进行层层校验,以防范恶意代码。这些机制会检查应用的隔离属性、签名状态以及所需系统权限,当任一环节不满足时,就会出现“没有权限打开”的提示。对于开发者工具或未上架App Store的开源软件,这类拦截尤为常见。尤其在macOS 27上,系统进一步收紧了绕过策略,导致PlayCover等工具无法正常启动。本文以PlayCover为例,详细解析权限链路上的三道关卡,并给出清除隔离属性、调整SIP状态、重置TCC记录等完

weixin_32612263的博客 744

一文搞懂大模型部署Ollama和vLLM

*

m0_59235699的博客 1259

一文搞懂【Linux 搭建 Dread Hunger 服务器】附本体及Docker部署集群方案

看直播发现了五花八门的开服器和版本,一时兴起按官方文档进行了搭建尝试,所以我的版本基于官方Stream2024.01.10更新的版本,也就是停服时的玩法,应该可以根据mod和补丁魔改成更那些开服器一样的版本,本文不做谈论,注重服务器搭建,毕竟8个人不可能在一个局域网里乱象:首先,我看了大量教程视频,一类是开服器的推广,另一类自建的基本采用Windows搭建,我觉得最离谱的是大部分教程都会教你买一台远程Windows虚拟机???

LHmine的博客 3987

【AI大模型】大模型部署的主流技术有哪些?收藏这一篇就够了!!

Ollama 是一个可在用户本地LLM部署的开源平台,支持Linux、Windows等多平台部署,如果基于 Docker 安装 Ollama 可以简化后续的配置步骤。Ollama支持 GPU加速,可显著提升性能。例如,在华为云的ECS上部署时,可以使用带有N卡的GPU加速型实例来运行Ollama容器。

2401_85325557的博客 1006

AUTOSAR进阶图解==>AUTOSAR_SWS_CANNetworkManagement

本文介绍了AUTOSAR架构中的CAN网络管理(CanNm)模块,主要内容包括: 模块概述:CanNm是协调CAN网络节点状态转换的基础组件,采用去中心化设计,通过周期性发送网络管理PDU保持网络活跃状态,支持网络唤醒、睡眠和部分网络功能。 架构设计:CanNm位于AUTOSAR中间层,连接上层通信管理器(ComM)和底层CAN接口(CanIf),包含状态管理、PDU处理和定时器管理等子组件。 状态机设计:定义了三种主要模式(总线睡眠、准备睡眠和网络模式)及其转换逻辑,网络模式又包含重复消息、正常操作和准备

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 2041

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

本地部署大模型,不需要GPU就能玩本地模型-亲测成功

Ollama是一个轻量级、可扩展的开源框架,旨在简化在本地机器上构建、部署和运行大型语言模型(LLM)的过程。以下是Ollama特点:简化部署:Ollama通过Docker容器技术,大大简化了LLM的部署过程。用户无需具备复杂的系统配置和模型管理经验,即可轻松地在本地运行LLM。支持多种模型:Ollama支持多种大型语言模型,如Llama 2、Code Llama、Mistral、Gemma等,并允许用户根据特定需求定制和创建自己的模型。

yinjl123456的博客 3140

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

【AI大模型】Ollama+open-webui/Anything LLM部署本地大模型构建RAG个人知识库教程

Ollama+open-webui/Anything LLM部署本地大模型构建RAG个人知识库教程。Ollama+open-webui/Anything LLM部署本地大模型构建RAG个人知识库教程

2401_85328934的博客 5394

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

DeepSeek 本地部署

DeepSeek本地部署

qq_20236937的博客 1323

一文搞懂大模型的部署(Ollama和vLLM)

Ollama是一款专注于简化大型语言模型本地部署和运行的开源框架,基于Go语言实现,支持跨平台运行,并以“开箱即用”为核心理念,适合个人开发者和轻量化场景。

m0_59164520的博客 1105

DeepSeek+Ollama+Chatbox 三步走构筑你的专属AI助手

可能大家都想学习AI大模型技术,也想通过这项技能真正达到升职加薪,就业或是副业的目的,但是不知道该如何开始学习,因为网上的资料太多太杂乱了,如果不能系统的学习就相当于是白学。这里要说明一下,DeepSeek模型分为R1 和V3两种,R1即网页端的深度思考模式,可以显示其思考过程,并得出更为正确的结果,但同样会消耗更多的思考时间和硬件性能,大家可以按需求安装相应的模型。观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

python1222_的博客 2299
上一篇: 手机也能跑 Qwen3?手把手轻松教你部署!
下一篇: 大模型部署框架 Ollama(二):环境变量设置与常用 CLI 命令
Llama-Turbo
博客等级 码龄4年 9901粉丝 2022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