当前位置：首页 > news >正文

初学者笔记本电脑玩转大模型系列一：利用ollama跑大模型

news 2024/9/20 0:22:51

之前国外有一初学者小哥在Google Colab（A100 40G）利用DPO微调Mistral 7B，微调后的模型在基准测试中取得不错的成绩，从那时起，我觉得在笔记本电脑上运行/微调大模型并非遥不可及的。

对于初学者而言，如果能在自己的笔记本运行/微调大模型，对自己学习大模型的信心也会大增。所以我最近开始着手准备《初学者笔记本电脑挑战大模型》系列文章，希望对各位想学习大模型的同学有所帮助。

我们在后续文章以笔记本电脑作为载体，从配置环境到运行大模型、到微调、再到RAG、再到大模型应用程序，逐渐展开相关介绍。之前已经提供笔记本配置大模型运行环境的相关介绍，### 笔记本电脑配置及环境

笔记本电脑配置： i9-13900HX/32GB，GPU 4090/16GB

主要使用的编程环境：JetBrains PyCharm，JetBrains WebStorms, Microsoft VS Code

操作系统：Windows 11, WSL Ubuntu

笔记本跑大语言模型简介

我们进入正题，如何在笔记本跑大语言模型？方法有很多种，总结来说，包括llama.cpp（GGUF），ExLlamaV2，AutoGPTQ，AutoAWQ，GPTQ-for-LLaMa以及直接调用huggingface transformers，使用的工具包括LMStudio、oobabooga/text-generation-webui，ollama，llama.cpp等工具，目前性能最好的是EXLlamaV2，但只有oobabooga/text-generation-webui支持，而GGUF格式（该格式是llama.cpp2023年8月推出的格式，用以取代GGML格式，用于GPU/CPU的推理）有很多工具支持。

Ollama介绍

我们今天介绍的工具是ollama，ollama是用Go语言写的开源大模型运行软件（你可以认为是llama.cpp的Go语言版），支持GPU/CPU混合模式，你可以根据自己笔记本电脑GPU、GPU显存以及CPU、内存的情况，选择不同量化版本的大模型。以下是一些参考大模型参数、GGUF文件大小以及下载模型指令：

在这里插入图片描述

可以基于量化后文件大小初步判断需要的内存或者显存，当然如果你要比较顺畅运行大模型，至少8G的内存/显存运行7B模型，至少16GB内存/显存运行13B，至少32GB内存/显存运行34B的模型。如果你硬要运行更大的模型，那么需要选择更低精度的量化。根据我电脑配置（16GB GPU显存/32G内存）情况，可以轻松跑7B fp16大模型，比如mistral_7b_16fb，也可以顺畅跑13b_int8，比如llama 2 13b Int8。但如果跑Yi 34B Q5_K_M模型就有点吃力，跑llama70b Q4_K_M更吃力。当然如果降低精度， Yi 34B Q4_K_M 或者Q3就比较顺畅。

ollama安装及使用

安装前的准备

目前ollama支持MacOS和Linux，如果要在Windows使用，需要安装WSL的Ubuntu（目前我就是通过这种方式使用ollama），并且配置WSL的CUDA（如果你有NVidia的GPU，一定要配置好CUDA，这样模型的推理才能使用GPU，推理速度才能更快）。

你可以通过nvidia-smi指令来确认是否安装好WSL的CUDA，如下所示：

在这里插入图片描述

接下来安装ollama，安装ollama很简单，通过如下指令即可：

curl https://ollama.ai/install.sh| sh

如果你之前没有安装过curl，可以通过如下指令安装：

sudo apt-get install curl

模型下载和运行

到ollama网站寻找你需要使用的模型，该网站有热门的模型Mistral、llama2等可供下载。

在这里插入图片描述

当然如果你需要大模型来辅助你编写代码，你可以下载codellama或者deepseek coder，如下图所示：

在这里插入图片描述

找到相应的模型，并拷贝模型下载运行代码，比如下载运行deepseek-coder 6.7b q8量化版

ollama run deepseek-coder:6.7b-base-q8_0

对我的这样配置笔记本电脑来说，运行6.7B Q8量化版很顺畅。

模型运行监控

如果要监控ollama的运行状态，可以输入如下指令：

journalctl -u ollama.service |tail -n 200 |more

在这里插入图片描述

总的来说，ollama在Windows的WSL中的安装很简单，下载和运行模型也简单，相信你会喜欢上它的。

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

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。

在这里插入图片描述

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)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

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