Ollama详解，无网环境导入运行本地下载的大模型，无网环境pycharm插件大模型调用（更新中）

ollama

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。用户可以轻松下载、运行和管理各种开源 LLM。与传统 LLM 需要复杂配置和强大硬件不同，Ollama 能够让用户在消费级的 PC 上体验 LLM 的强大功能。

Ollama 会自动监测本地计算资源，如有 GPU 的条件，会优先使用 GPU 的资源，同时模型的推理速度也更快。如果没有 GPU 条件，直接使用 CPU 资源。

Ollama 极大地简化了在 Docker 容器中部署和管理大型语言模型的过程，使用户能够迅速在本地启动和运行这些模型。

Ollama 支持的模型库列表 https://ollama.com/library

注意：运行 7B 模型至少需要 8GB 内存，运行 13B 模型至少需要 16GB 内存，运行 33B 模型至少需要 32GB 内存。

环境变量配置

更改模型存储位置：设置 OLLAMA_MODELS 环境变量

修改监听地址：设置 OLLAMA_HOST 环境变量

• 0.0.0.0 表示监听所有网络接口，允许局域网访问。
• 11434 是 Ollama 默认端口。

验证环境变量是否生效 echo %OLLAMA_MODELS%

Ollama 自定义在 GPU 中运行

Ollama 默认情况下使用 CPU 进行推理。为了获得更快的推理速度，可以配置 Ollama 使用的 GPU。

前提条件

1. 电脑有 NVIDIA 显卡。
2. 已安装 NVIDIA 显卡驱动程序，可以使用命令 nvidia-smi 来检查驱动程序是否安装。
3. 已安装 CUDA 工具包，可以使用命令 nvcc --version 来检查 CUDA 是否安装。
   

指定使用的 GPU

如果你的系统有多个 GPU，并且你想指定 Ollama 使用特定的 GPU，可以设置 CUDA_VISIBLE_DEVICES 环境变量。

1. 查找 GPU 的 UUID： 强烈建议使用 UUID 而不是编号，因为编号可能会因为驱动更新或系统重启而发生变化。

2. 打开命令提示符或 PowerShell。

   • 运行命令：nvidia-smi -L
   • 在输出中，找到想要使用的 GPU 的 “UUID” 值。

3. 创建 CUDA_VISIBLE_DEVICES 变量：

   • 变量名： CUDA_VISIBLE_DEVICES
   • 变量值： 找到的 GPU 的 UUID。 例如：GPU-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx

4. 运行 Ollama。 新开一个命令提示符窗口，使用 ollama ps 命令查看 Ollama 运行的进程。

常用命令

ollama serve

运行ollama，提示报错

Error: listen tcp 127.0.0.1:11434: bind: Only one usage of each socket address (protocol/network address/port) is normally permitted.

解决方法：禁用自启，结束进程，重启服务。

本地下载的gguf如何导入ollama

1.ollama安装是否成功

2.将model放在文件夹下，创建一个txt配置文件，如下所示：

3. 打开cmd，导航到你的配置文件所在路径； 在cmd中输入以下命令：ollama create 模型的名字 -f config.txt。
4. 等待ollama完成模型的创建和部署；使用ollama list验证模型是否部署完成。

5. 使用ollama run qwen2:0.5b运行。
多行输入命令时，可以使用 “”" 进行换行；使用 “”" 结束换行。终止 Ollama 模型推理服务，可以使用 /bye。

注意：Ollama 进程会一直运行，如果需要终止 Ollama 所有相关进程，可以使用以下命令：

Get-Process | Where-Object {$_.ProcessName -like '*ollama*'} | Stop-Process

如何将Hugging Face的SafeTensors模型转换为GGUF格式，以便在ollama平台上运行

Safetensors 是一种用于存储深度学习模型权重的文件格式，它旨在解决安全性、效率和易用性方面的问题。

1.从https://opencsg.com/models下载模型。

2.使用 llama.cpp https://github.com/ggml-org/llama.cpp 进行转换。llama.cpp 是 GGML 主要作者基于最早的 llama 的 c/c++ 版本开发的，目的就是希望用 CPU 来推理各种 LLM。克隆 llama.cpp 库到本地，与下载的模型放在同一目录下。

git clone https://github.com/ggerganov/llama.cpp.git

3.使用 llama.cpp 转换模型的流程基于 python 开发，需要安装相关的库，推荐使用 conda 或 venv 新建一个环境。

cd llama.cpp
pip install -r requirements.txt
python convert_hf_to_gguf.py -h

python convert_hf_to_gguf.py ../Qwen2-1.5B-Instruct --outfile Qwen2_instruct_1.5b.gguf --outtype f16

4.使用llama.cpp进行模型量化

模型量化是一种技术，将高精度的浮点数模型转换为低精度模型，模型量化的主要目的是减少模型的大小和计算成本，尽可能保持模型的准确性，其目标是使模型能够在资源有限的设备上运行，例如CPU或者移动设备。

• 创建 Modelfile 文件，编写以下内容：FROM ./Qwen2_instruct_1.5b.gguf

• ollama create -q Q4_K_M mymodel3 -f ./Modelfile（Q4_K_M 是一种 4 位（4-bit）量化格式。）

自定义 Prompt

Ollama 支持自定 义Prompt，可以让模型生成更符合用户需求的文本。

• 根目录下创建一个 Modelfile 文件

FROM llama3.1
# sets the temperature to 1 [higher is more creative, lower is more coherent]
# 设置温度为1[越高越有创意，越低越连贯]
PARAMETER temperature 1
# sets the context window size to 4096, this controls how many tokens the LLM can use as context to generate the next token
# 设置上下文窗口大小为4096，这控制了LLM可以使用多少令牌作为上下文来生成下一个令牌
PARAMETER num_ctx 4096

# sets a custom system message to specify the behavior of the chat assistant
# 设置自定义系统消息来指定聊天助手的行为
# SYSTEM You are Mario from super mario bros, acting as an assistant.
SYSTEM 你是一位在数学竞赛、数学建模竞赛、大数据竞赛以及人工智能（涵盖深度学习、大模型和机器学习）领域拥有卓越成就的专家型 AI。擅长以生动、有趣且浅显易懂的方式，为用户深入阐释相关知识，同时还能根据要求生成图像并进行说明。

• 创建模型

ollama create mymodel -f ./Modelfile

无网环境Pycharm插件Proxy AI调用本地大模型

https://plugins.jetbrains.com/plugin/21056-proxy-ai

Proxy AI 可以在无网环境下不需要登录即可使用

参考

1.https://ollama.com/
2.https://lmstudio.ai/
3.https://manus.im/
4.https://www.trae.com.cn/?utm_campaign=r1
5.https://datawhalechina.github.io/handy-ollama/#/