本地跑 LLama3.2，轻量级+视觉能力，能媲美GPT-4o？
前段时间，Meta 开源了 Llama 3.2 轻量化模型，为移动端跑大模型提供了新选择！同时，Llama 3.2 视觉模型（Llama 3.2 Vision）也正式开源，号称媲美 GPT-4o。前两天，Llama 3.2 Vision 已在 Ollama 上线！
今日分享，就对它实测一番。
最后，应用到我们上篇的票据识别任务中，看看效果真有官宣的那么惊艳么？
1. Llama 3.2 亮点
老规矩，还是简短介绍下：Llama 3.2 都有哪些亮点？
一句话：轻量化 + 视觉多模态能力！
具体点：
- 文本模型：有 1B 和 3B 版本，即便参数少，也支持128k tokens的上下文长度；基于LoRA和SpinQuant 对模型进行深度优化，内存使用量减少41%，推理效率翻了2-4倍。
- 多模态模型：有 11B 和 90B 版本，在视觉理解方面，与Claude3 Haiku和GPT 4o-mini 可 PK。
2. Llama 3.2 实测
Ollama 是面向小白友好的大模型部署工具，为此本篇继续采用 Ollama 跑 Llama 3.2。
2.1 环境准备
参考上述教程，假设你在本地已经准备好 Ollama。
当前 Ollama Library 中已支持 Llama 3.2 下载，因此，一行命令拉起 llama3.2-vision。
ollama run llama3.2-vision
如果遇到如下报错：
pulling manifest
Error: pull model manifest: 412:
The model you are attempting to pull requires a newer version of Ollama.
说明你的 ollama 版本需要更新了。
如果你也和我一样，采用 docker 安装，则需要删除容器，重新下载最新镜像进行安装：
docker stop ollama
docker rm ollama
docker image rm ollama/ollama
# 注：海外镜像，国内用户需自备
docker pull ollama/ollama
可以发现，当前最新版本为 0.4.1：
ollama --version
ollama version is 0.4.1
然后，再起一个容器：
docker run -d --gpus "device=2" -v ollama:/root/.ollama -p 3002:11434 --restart unless-stopped --name ollama ollama/ollama
注：我这里指定 --gpus "device=2"，如果单张显存不够，需指定多张卡，Ollama 会帮你自动分配。
显存占用情况如何？
2.2 文本模型
进入容器，并下载模型 llama3.2 3B版本：
docker exec -it ollama /bin/bash
ollama run llama3.2
显存占用：请确保至少 4 G 显存。
2.3 多模态模型
进入容器，并下载模型 llama3.2-vision 11B版本：
docker exec -it ollama /bin/bash
ollama run llama3.2-vision
显存占用：请确保至少 12 G 显存。
注：ollama 中模型默认采用了 4bit 量化。
3. 接入 Dify
3.1 模型接入
要把 Ollama 部署的模型接入 Dify 有两种方式。
首先，找到设置 - 模型供应商。
方式一： 找到 Ollama 类型，然后进行添加，记得把Vision能力打开：
方式二：
把 Ollama 模型接入 OneAPI，然后在模型供应商这里选择 OpenAI-API-compatible。
个人更推荐 方式二，你会体会到接口统一的快乐~
3.2 应用集成
最后，我们在上篇的基础上，把用到 Qwen2-VL 的组件，LLM 全部替换成刚刚接入的 llama3.2-vision，如下图：
实测效果咋样？
嗯~ o(￣▽￣)o 价格等基本信息还是抓到了。
只是，相比上篇实测的 Qwen2-VL 就差点意思了：
- 从中文指令遵循上看：给到同样的提示词，llama3.2-vision 压根不按你的意图来；
- 从识别结果上看：中文 OCR 也被 Qwen2-VL 甩开好几条街。
当然，换用 90B 的模型会不会好很多？感兴趣的朋友可以试试~
结论：现阶段，对于票据识别这个任务而言，综合考虑成本和效果，还是调用云端的 Qwen2-VL-72B 吧。
写在最后
本文带大家本地跑了 Meta 最新开源的 Llama 3.2，并在票据识别任务上进行了实测。
个人体验而言：Llama 系列，都得在中文指令数据上微调后，才能中文场景中使用，同等参数规模下，国产大模型其实更具性价比。
如何系统的去学习大模型LLM ？
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🆓↓↓↓
👉👈
