ollama

原创 已于 2025-02-12 10:56:29 修改 · 170 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

于 2025-02-12 10:52:49 首次发布

github官方地址

https://github.com/ollama/ollama

docker镜像地址

https://hub.docker.com/r/ollama/ollama

精选资源
Ollama安装包，Ollama.exe
02-09
Ollama安装包是一种软件安装程序，通常用于安装或更新名为Ollama的软件产品。从给定的信息中可以得知，这是一个特定版本的Ollama软件安装包，具体到年月日为2025年2月9日。安装包通常包含运行软件所需的全部文件，...
ollama下载安装包
07-27
ollama作为一款软件产品的名称，在提供的文件信息中，我们主要关注的是其下载安装包的获取方式。ollama官方提供了下载安装包的服务，用户可以通过访问其官方网站来下载适用于自己电脑系统的安装文件，以完成软件的...
Ollama全面指南：安装、使用与高级定制
热门推荐
全世界的博客
05-30 14万+
Ollama是一个专为在本地环境中运行和定制大型语言模型而设计的工具。它提供了一个简单而高效的接口，用于创建、运行和管理这些模型，同时还提供了一个丰富的预构建模型库，可以轻松集成到各种应用程序中。Ollama的目标是使大型语言模型的部署和交互变得简单，无论是对于开发者还是对于终端用户。Ollama提供了一个直观且用户友好的平台，用于在本地环境中运行大型语言模型。启动Ollama服务：首先，确保Ollama服务已经安装并运行。在命令行中输入以启动服务。选择模型：使用命令查看可用的模型列表。
Ollama
AI工程化、开源分享、文档翻译、代码笔记
03-05 6190
安装使用 Ollama 客户端 Model library 自定义一个模型 从 GGUF 导入 从 PyTorch 或 Safetensors 导入 自定义一个 prompt CLI Reference 创建一个模型 拉取 model 删除一个 model 复制模型 多行输入 多模态模型 传递prompt 作为参数 列出你电脑上的模型 开始 Ollama 构建 运行本地 builds REST API 生成响应 和一个模型对话 使用 Ollama Python Library 安装 使用 流式响应 REST
Ollama介绍
网络资源是无限的
03-02 1736
Ollama介绍
ollama 安装
zengliguang的专栏
11-27 7894
以上是不同操作系统下Ollama的安装步骤，希望对您有所帮助。如果在安装过程中遇到任何问题，可以参考Ollama的官方文档或社区资源进行故障排查。
Windows 中的 Ollama
csdn_aspnet的专栏，请点击博客主页右上角三个点中的私信联系
03-26 1万+
Ollama 可让您获取开源模型以供本地使用。它会自动从最佳来源获取模型，如果您的计算机具有专用 GPU，它会无缝地使用 GPU 加速，而无需手动配置。通过修改提示可以轻松实现自定义模型，而 Langchain 不是此操作的先决条件。此外，Ollama 可以作为 docker 映像访问，允许您将个性化模型部署为 docker 容器。
Ollama 介绍
weixin_40280870的博客
01-20 7187
Ollama仓库创建于 2023年6月26日，截至2024年8月，Ollama 经过了一年多的发展。相信在不久的未来，将会在越来越多的边缘端产品中看到大模型的身影。什么是 Ollama？正如 Ollama 官方仓库所说：本地启动并运行大型语言模型。Ollama 是一个开源的大型语言模型服务工具，旨在帮助用户快速在本地运行大模型。通过简单的安装指令，用户可以通过一条命令轻松启动和运行开源的大型语言模型。它提供了一个简洁易用的命令行界面和服务器，专为构建大型语言模型应用而设计。
ollama 安装方式
ling_zhi_xin的博客
03-07 1249
在本地运行 Llama 3.3、DeepSeek-R1、Phi-4、Mistral、Gemma 2 和其他模型。魔塔社区：https://www.modelscope.cn/my/overview。如果不设置环境变量，模型文件会自动保存在C盘。还是推荐官方模型， 第三方导入的 modefile 配置有点不太正常。高级系统设置 环境变量， 添加一条 models 模型存放地址。http://127.0.0.1:3000 或者服务器ip地址。可以通过 web ui 配置 ollama 进行使用。
【DeepSeek应用】DeepSeek R1 本地部署（Ollama+Docker+OpenWebUI）
youcans的博客
02-01 8万+
DeepSeek 本地部署在性能、成本和安全等方面具有显著优势。本文详细讲解 基于 Ollama+Docker+OpenWebUI 的本地化部署流程，并通过实例代码演示。
ollama使用入门
qq_34583944的博客
06-24 563
首先下载Ollama的Windows版本安装包，从官方网站获取最新稳定版本。在ollama官网可以看到可供下载的开源模型，可以搜索我们想到的模型。在交互界面中输入问题或指令，模型将生成相应的回答。运行安装程序并按照提示完成安装，确保安装路径无中文或特殊字符。后台运行模型服务，使用。使用命令行工具下载所需模型，例如运行。命令可以看到我本机下载的所有模型。删除不需要的模型释放磁盘空间，使用。查看本地已下载的模型列表，执行。更新本地模型到最新版本，执行。命令启动本地API服务。启动模型交互会话，输入。
Ollama 0.5.4版本
01-29
Ollama 0.5.4版本是一款软件的特定更新，根据提供的信息，我们了解到该版本发布于2025年1月29日。用户可以通过访问官网获取下载链接，下载地址为https://ollama.com/download。下载后的文件为一个压缩包，解压后包含...
精选资源
ollama-webui-lite-ollama安装
02-06
OLLAMA Web UI Lite是一款基于Web的用户界面，它允许用户通过图形化界面与OLLAMA后端服务进行交互。OLLAMA是一个开源项目，旨在提供一个轻量级、易于使用的平台，用于构建和部署机器学习模型。为了在本地环境中安装...
Ollama windows0.6.2版本
04-16
在信息技术领域，特别是在人工智能与机器学习领域中，Ollama windows0.6.2版本的出现是一个具有里程碑意义的事件。该版本被明确界定为开源本地大语言模型运行框架的安装包，旨在为用户提供一个易于操作的平台，以...
TensorRT笔记（5）：研究timingCache
最新发布
ouliten的博客
12-02 354
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1844
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1304
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
07_Spring AI 干货笔记之提示词
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1490
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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

打赏作者

你喜欢喝可乐吗？

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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