Featured image of post Ollama：从入门到进阶
人工智能与数据科学

Ollama：从入门到进阶

本文着重介绍了 Ollama 的基本概念及它的显著优势，包括其开源免费、简单易用、模型丰富以及资源占用低的特点。接着，提供了详尽的安装和使用指南，涵盖不同操作系统和 Docker 环境的详细安装步骤，以及如何下载和运行模型。此外，文章还介绍了在 HPC 集群上部署 Ollama 以及如何结合 IDE 插件打造本地代码补全助手的方法。

近年来，大型语言模型（LLM）以其强大的文本生成和理解能力，成为了人工智能领域的中坚力量。商业 LLM 的价格通常高昂且代码封闭，限制了研究者和开发者的探索空间。幸运的是，开源社区提供了像 Ollama 这样优秀的替代方案，让每个人都能够轻松体验 LLM 的魅力，并能结合 HPC 和 IDE 插件，打造更强大的个人助手。

# 什么是 Ollama？

Ollama 是一个用于构建大型语言模型应用的工具，它提供了一个简洁易用的命令行界面和服务器，让你能够轻松下载、运行和管理各种开源 LLM。与需要复杂配置和强大硬件的传统 LLM 不同，Ollama 让你能够方便地像使用手机 App 一样体验 LLM 的强大功能。

# Ollama 的优势

Ollama 拥有以下显著优势：

  • 开源免费： Ollama 及其支持的模型完全开源免费，任何人都可以自由使用、修改和分发。
  • 简单易用： 无需复杂的配置和安装过程，只需几条命令即可启动和运行 Ollama。
  • 模型丰富： Ollama 支持 Llama 3、Mistral、Qwen2 等众多热门开源 LLM，并提供一键下载和切换功能。
  • 资源占用低： 相比于商业 LLM，Ollama 对硬件要求更低，即使在普通笔记本电脑上也能流畅运行。
  • 社区活跃： Ollama 拥有庞大且活跃的社区，用户可以轻松获取帮助、分享经验和参与模型开发。

# 如何使用 Ollama？

使用 Ollama 非常简单，只需要按照以下步骤：

  1. 安装 Ollama： 根据你的操作系统，从 Ollama 官网 下载并安装最新版本。
  2. 启动 Ollama： 打开终端或命令行，输入 ollama serve 命令启动 Ollama 服务器。
  3. 下载模型： 在模型仓库 找到想要的模型，然后使用 ollama pull 命令下载，例如 ollama pull llama3:70b 。
  4. 运行模型： 使用 ollama run 命令启动模型，例如 ollama run llama3:70b 。
  5. 开始聊天： 在终端中输入你的问题或指令，Ollama 会根据模型生成相应的回复。

# 安装 Ollama

# macOS

下载 Ollama for macOS

# Windows

下载 Ollama for Windows

# Linux

curl -fsSL https://ollama.com/install.sh | sh

# Docker

# CPU 版本
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
# GPU 版本
  1. 安装 Nvidia container toolkit
  2. 在 Docker 容器中运行 Ollama
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

# 启动 Ollama

ollama serve

输出以下信息表示 Ollama 服务器已成功启动（V100 机器）：

$ ollama serve
### 省略的日志输出 ###
Listening on [::]:11434 (version 0.1.42)

# 下载模型

ollama pull qwen2:72b

# 运行模型

ollama run qwen2:72b

例如，运行如下命令后：

$ ollama run qwen2:72b
>>> Who are you?
I am Qwen, a pre-trained language model developed by Alibaba Cloud. My purpose is to assist users in generating various types of text, such as articles, stories, poems, and answering
questions by using the natural language processing techniques. How may I assist you today?
>>> Send a message(/? for help)

# Docker 容器中运行模型

docker exec -it ollama ollama run qwen2:72b

# 配置 Ollama

Ollama 提供了多种环境变量以供配置：

  • OLLAMA_DEBUG：是否开启调试模式，默认为 false。
  • OLLAMA_FLASH_ATTENTION：是否闪烁注意力，默认为 true。
  • OLLAMA_HOST：Ollama 服务器的主机地址，默认为空。
  • OLLAMA_KEEP_ALIVE：保持连接的时间，默认为 5m。
  • OLLAMA_LLM_LIBRARY：LLM 库，默认为空。
  • OLLAMA_MAX_LOADED_MODELS：最大加载模型数，默认为 1。
  • OLLAMA_MAX_QUEUE：最大队列数，默认为空。
  • OLLAMA_MAX_VRAM：最大虚拟内存，默认为空。
  • OLLAMA_MODELS：模型目录，默认为空。
  • OLLAMA_NOHISTORY：是否保存历史记录，默认为 false。
  • OLLAMA_NOPRUNE：是否启用剪枝，默认为 false。
  • OLLAMA_NUM_PARALLEL：并行数，默认为 1。
  • OLLAMA_ORIGINS：允许的来源，默认为空。
  • OLLAMA_RUNNERS_DIR：运行器目录，默认为空。
  • OLLAMA_SCHED_SPREAD：调度分布，默认为空。
  • OLLAMA_TMPDIR：临时文件目录，默认为空。Here is the optimized list in the desired format:
  • OLLAMA_DEBUG：是否开启调试模式，默认为 false。
  • OLLAMA_FLASH_ATTENTION：是否闪烁注意力，默认为 true。
  • OLLAMA_HOST：Ollama 服务器的主机地址，默认为空。
  • OLLAMA_KEEP_ALIVE：保持连接的时间，默认为 5m。
  • OLLAMA_LLM_LIBRARY：LLM 库，默认为空。
  • OLLAMA_MAX_LOADED_MODELS：最大加载模型数，默认为 1。
  • OLLAMA_MAX_QUEUE：最大队列数，默认为空。
  • OLLAMA_MAX_VRAM：最大虚拟内存，默认为空。
  • OLLAMA_MODELS：模型目录，默认为空。
  • OLLAMA_NOHISTORY：是否保存历史记录，默认为 false。
  • OLLAMA_NOPRUNE：是否启用剪枝，默认为 false。
  • OLLAMA_NUM_PARALLEL：并行数，默认为 1。
  • OLLAMA_ORIGINS：允许的来源，默认为空。
  • OLLAMA_RUNNERS_DIR：运行器目录，默认为空。
  • OLLAMA_SCHED_SPREAD：调度分布，默认为空。
  • OLLAMA_TMPDIR：临时文件目录，默认为空。

# 进阶用法：HPC 集群上部署 Ollama

对于大型模型或需要更高性能的情况，可以利用 HPC 集群的强大算力来运行 Ollama。结合 Slurm 进行任务管理，并使用端口映射将服务暴露到本地，即可方便地进行远程访问和使用：

  1. 在登录节点配置 Ollama 环境： 安装 Ollama，并下载需要的模型。
  2. 编写 slurm 脚本： 指定资源需求（CPU、内存、GPU 等），并使用 ollama serve 命令启动模型服务，并绑定到特定端口。
#!/bin/bash
#SBATCH --job-name=ollama
#SBATCH -N 1
#SBATCH -p GPU
#SBATCH --gres=gpu:1

module load CUDA
ollama serve
  1. 提交 slurm 任务: 使用 sbatch 命令提交脚本，Slurm 会将任务分配到计算节点运行。
  2. 本地端口映射： 使用 ssh -L 命令将计算节点的端口映射到本地，例如:
ssh -t -t  用户名@登录节点 ip -L 11434:localhost:11434 -i 登录节点私钥 ssh 计算节点 IP  -L 11434:127.0.0.1:11434
  1. 本地访问： 在浏览器或应用程序中访问 http://localhost:11434 即可使用 Ollama 服务。

重要

注意：由于计算节点不联网，需要提前在登录节点使用 ollama pull 下载所需模型。此外，需要设置 OLLAMA_ORIGINS 为 *，设置 OLLAMA_HOST 为 0.0.0.0，以允许所有来源访问服务。

# 进阶用法：本地代码补全助手

Ollama 不仅可以用于聊天和文本创作，还可以结合代码生成模型和 IDE 插件，打造强大的代码补全助手。例如，使用 Codeqwen 7B 模型和 VS Code 插件 Continue ，可以实现高效便捷的代码补全功能。

首先介绍一下 Continue :

Continue enables you to easily create your own coding assistant directly inside Visual Studio Code and JetBrains with open-source LLMs. All this can run entirely on your own laptop or have Ollama deployed on a server to remotely power code completion and chat experiences based on your needs.

Continue 使您能够轻松地在 Visual Studio Code 和 JetBrains 中创建自己的代码助手，利用开源 LLM。这一切都可以完全在您的笔记本电脑上运行，或者在服务器上部署 Ollama，远程根据您的需求提供代码补全和聊天体验。

― Continue

在开始之前，你需要安装如下工具：

接下来，我们以 VS Code 为例，介绍如何使用 Ollama + Continue 实现代码补全功能：

# Codestral 22B 模型

Codestral 既能完成代码自动补全，也支持聊天功能。但鉴于其拥有 220 亿参数且不具备生产许可，它对显存要求颇高，仅限于研究和测试使用，因此可能并不适合日常本地应用。

# 下载并运行 Codestral 模型

ollama run codestral

# 配置 config.json

  • 在 VS Code 侧边栏点击 Continue 插件图标，然后在面板右下角点击 “齿轮” 图标，打开 config.json 文件。然后复制以下配置到 config.json 文件中：
{
  "models": [
    {
      "title": "Codestral",
      "provider": "ollama",
      "model": "codestral"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Codestral",
    "provider": "ollama",
    "model": "codestral"
  }
}

# DeepSeek Coder 6.7B 模型 + Llama 3 8B 模型

根据机器的显存大小，可以利用 Ollama 同时运行多个模型并处理多个并发请求的能力，使用 DeepSeek Coder 6.7B 进行自动补全，Llama 3 8B 进行聊天。如果你的机器无法同时运行两者，那么可以分别尝试，决定你更偏好本地自动补全还是本地聊天体验。

# 下载并运行 DeepSeek Coder 模型

ollama run deepseek-coder:6.7b-base

# 下载并运行 Llama 3 模型

ollama run llama3:8b

# 配置 config.json

{
  "models": [
    {
      "title": "Llama 3 8B",
      "provider": "ollama",
      "model": "llama3:8b",
      "apiBase": "http://127.0.0.1:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "DeepSeek Coder 6.7B",
    "provider": "ollama",
    "model": "deepseek-coder:6.7b-base",
    "apiBase": "http://127.0.0.1:11434"
  }
}

# Codeqwen 7B 模型 + Qwen2 7B 模型

Codeqwen 7B 模型是一个专门用于代码补全的模型，而 Qwen2 7B 模型则是一个通用的聊天模型。这两个模型可以很好地结合在一起，实现代码补全和聊天功能。

# 下载并运行 Codeqwen 模型

ollama run codeqwen

# 下载并运行 Qwen2 模型

ollama run qwen2:7b

# 配置 config.json

{
  "models": [
    {
      "title": "Codeqwen 7B",
      "provider": "ollama",
      "model": "codeqwen",
      "apiBase": "http://127.0.0.1:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen2 7B",
    "provider": "ollama",
    "model": "qwen2:7b",
    "apiBase": "http://127.0.0.1:11434"
  }
}

# 利用 RAG 向量检索优化聊天

Continue 内置了 @codebase 上下文提供器，能自动从代码库中检索到最相关的代码片段。假如你已经设置好了聊天模型（例如 Codestral、Llama 3），那么借助 Ollama 和 LanceDB 的向量化技术，可以实现更高效的代码检索和聊天体验。

这里，我们使用 nomic-embed-text 模型作为向量检索模型：

# 下载并运行 Nomic Embed Text 模型

ollama run nomic-embed-text

# 配置 config.json

  • 在文件中添加以下内容：
{
    "embeddingsProvider": {
        "provider": "ollama",
        "model": "nomic-embed-text",
        "apiBase": "http://127.0.0.1:11434"
    }
}

# 代码补全效果

  • Ctrl + I: 根据指令生成代码片段。
codeqwen_1-2024-06-17
codeqwen_2-2024-06-17
codeqwen_3-2024-06-17
  • 光标悬停自动补全代码
codeqwen_4-2024-06-17

# 与 Ollama 聊天

codeqwen_5-2024-06-17

# 代码自动注释

  • 选中代码打开右键菜单
codeqwen_6-2024-06-17
codeqwen_7-2024-06-17

# 总结

Ollama 为我们打开了通往开源 LLM 世界的大门，让每个人都能轻松体验 LLM 的强大功能，并可以根据自身需求进行定制化应用。无论是进行研究、开发，还是日常使用，Ollama 都能为你提供探索 LLM 无限可能的平台。相信随着 Ollama 的不断发展，它将为我们带来更多惊喜，推动 LLM 技术在各个领域的应用和发展。

llm
Licensed under CC BY-NC-SA 4.0
© 2021 - 2024 cuterwrite
本博客已稳定运行
总访客数： Loading
总访问量： Loading
发表了 73 篇文章 · 总计 323.73k 字
使用 Hugo 构建
主题 Stack 由 Jimmy 设计
基于 v3.27.0 分支版本修改