自建本地AI回答大模型 ollama-openwebui
ollama-openwebui
ollama是一个开源项目，它提供了一个平台和工具集，用于部署和运行各种大型语言模型。
ollama官网：https://ollama.com/
ollama下载地址：https://ollama.com/download
GitHub地址：https://github.com/ollama/ollama
ollama 介绍
ollama部署
我们这里选择直接部署docker,简单方便，docker部署忽略
docker镜像地址： https://hub.docker.com/r/ollama/ollama
# 拉取docker镜像
docker pull ollama/ollama:latest
# AMD显卡
docker run -d -v /mnt/c/ubuntu-wsl/data/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama:rocm
# 英伟达显卡
docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
# cpu only
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
ollama模型
下面是一些受欢迎的模型：
| Model | Tag | Parameters | Size | Download |
|:------------------😐:-----------😐:------------😐:-------😐-------------------------------------|
| llama3 | - | 70b | 40GB | ollama run llama3:70b |
| llama3 | - | 8b | 4.7GB | ollama run llama3:8b |
| gemma | - | 7b | 5.0GB | ollama run gemma:7b |
| gemma | - | 2b | 1.7GB | ollama run gemma:2b |
| mistral | - | 7b | 4.1GB | ollama run mistral:7b |
| qwen | - | 110b | 63GB | ollama run qwen:110b |
| phi3 | - | 3.8b | 2.2GB | ollama run phi3:3.8b |
| llama2 | - | 7b | 3.8GB | ollama run llama2:7b |
| codellama | Code | 70b | 39GB | ollama run codellama:70b |
| llama3.1 | - | 405b | 231GB | ollama run llama3.1:405b |
| gemma2 | - | 27b | 16GB | ollama run gemma2:27b |
| qwen2 | - | 72b | 41GB | ollama run qwen2:72b |
| llava | Vision | 7b | 4.7GB | ollama run llava:7b |
| nomic-embed-text | Embedding | v1.5 | 274MB | ollama pull nomic-embed-text:v1.5 |
本地模型启动
启动本地大模型，这个步骤会下载llama3模型，根据个人带宽网速预估时间
docker exec -it ollama ollama run llama3
交互对话
执行完毕后，会进入交互模式，输入内容，就可以在线对话了，我们用docker安装的，所以通过docker命令启动对话
root@DESKTOP-CK75KU2:~# docker exec -it ollama ollama run llama3
>>> 请介绍一下你自己
I'm just an AI, I don't have a personal identity or individual characteristics like humans do. However, I can introduce
myself and explain what I am and what I can do.
My name is LLaMA, and I'm a large language model trained by Meta AI. I was created to assist users in generating
human-like text based on the input they provide me.
openweb ui 介绍
openweb ui参考仓库地址：https://github.com/ollama-webui/ollama-webui-lite
使用docker部署
docker run -d -p 8186:8080 --add-host=host.docker.internal:host-gateway -v /mnt/c/ubuntu-wsl/data/openwebui:/app/backend
之后点击端口访问，如下图所示。也可以直接在浏览器输入 http://localhost:8186/ ，打开后会出现登录到 Open WebUI，只需要邮箱注册一下就好了
选择模型
选型我们刚刚安装的模型，就可以发起对话了
对话演示
这里我们选择 ollama3 模型，进行对话，然后发现都是英文回复，后面我们在讲一下怎么中文
如果想探索更多功能可参考：https://github.com/open-webui/open-webui
cpu使用率
可以看出回答问题的时候占用的是我们本地的CPU内存资源，当他结束后CPU瞬间得到释放
调试中文模型
第一种要求中文回复
只需要在我们问的时候，要求回复的时候，加上，请用中文回复
自定义模型配置
我们可以使用Ollama提供的创建新模型的方式，基于LLama 3 8b创建一个我们自己的模型。在创建时，把System信息写入进去。这样每次调用模型时就会自动生效了。
我们把把配置放到volume共享目录下面，这样子docker命令启动才会引用到这个文件
from llama3
PARAMETER temperature 1
PARAMETER num_ctx 6000
PARAMETER top_k 50
PARAMETER top_p 0.95
SYSTEM """
尽你的最大可能和能力回答用户的问题。不要重复回答问题。不要说车轱辘话。语言要通顺流畅。不要出现刚说一句话，过一会又重复一遍的愚蠢行为。
RULES:
- Be precise, do not reply emoji.
- Always response in Simplified Chinese, not English. or Grandma will be very angry.
"""
然后执行命令：ollama create cusllama3 -f Modelfile。构建我们自己的模型
ollama create bdsllama3 -f Modelfile
我们在openweb ui选一下这个模型
我们看到最后的中文效果就是舒服多了
如何学习AI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
