|
想要在本地运行大型语言模型吗？ Ollama框架提供了这样的机会。 这个框架是专为在Docker容器中部署LLM而设计的，简化了部署和管理流程。 安装Ollama后，你只需执行一条命令，即可在本地运行开源大型语言模型。 它将模型权重、配置和数据整合成一个Modelfile，同时优化了设置和配置，包括GPU的使用。 Google和DeepMind团队开发的Gemma模型，现已与Ollama兼容。 Google重磅开源！Gemma 2B/7B小模型登场，6万亿Tokens喂饱，聊天编程两不误，LLaMA也黯然失色？
Gemma有两种参数大小：2b和7b。 那么如何本地安装Ollama？ 如何用Ollama安装Gemma ？ 我们一起看下具体方法。 安装Ollama 支持macOS、Windows 、Linux、Docker安装方式。
都是特别简单，直接下载安装。 Windows环境安装https://ollama.com/download/OllamaSetup.exe Mac环境安装https://ollama.com/download/Ollama-darwin.zip Linux环境安装 curl-fsSLhttps://ollama.com/install.sh|sh
Ollama API为本地AI服务提供了便捷途径。 无需复杂设置，它自动在后台运行，并通过http://localhost:11434为工具和应用程序提供服务。 支持模型库。 注意：应该至少有8GB的可用内存来运行7B模型，16GB来运行13B模型，以及32GB来运行33B模型。 | Model | Parameters | Size | Download |
|---|
| Llama 2 | 7B | 3.8GB | ollama run llama2 | | Mistral | 7B | 4.1GB | ollama run mistral | | Dolphin Phi | 2.7B | 1.6GB | ollama run dolphin-phi | | Phi-2 | 2.7B | 1.7GB | ollama run phi | | Neural Chat | 7B | 4.1GB | ollama run neural-chat | | Starling | 7B | 4.1GB | ollama run starling-lm | | Code Llama | 7B | 3.8GB | ollama run codellama | | Llama 2 Uncensored | 7B | 3.8GB | ollama run llama2-uncensored | | Llama 2 13B | 13B | 7.3GB | ollama run llama2:13b | | Llama 2 70B | 70B | 39GB | ollama run llama2:70b | | Orca Mini | 3B | 1.9GB | ollama run orca-mini | | Vicuna | 7B | 3.8GB | ollama run vicuna | | LLaVA | 7B | 4.5GB | ollama run llava | | Gemma | 2B | 1.4GB | ollama run gemma:2b | | Gemma | 7B | 4.8GB | ollama run gemma:7b |
安装Gemma ollama 支持Gemma 2b和7b。
ollamarungemma:2b
ollamarungemma:7b(default)
 启动gemma 7b模型，输入提示词使用。
提示：Iwanttolearnwriting.Pleasedevelopa30-daylearningplantohelpbeginnerslikemelearnandimprovethisskill.
还可以测试Http API 。 (Invoke-WebRequest-methodPOST-Body'{"model":"gemma:7b","prompt":"Whyistheskyblue?","stream":false}'-urihttp://localhost:11434/api/generate).Content|ConvertFrom-json
结语无论你是研究人员、开发者还是技术爱好者，现在都可以使用Ollama框架，在本地轻松运行大型语言模型。 Gemma模型，无论参数大小，都能在你的设备上顺畅运行。
| 
