阅读量:0
将大模型运行在自己的电脑上，听起来是一件很酷的事情！
想象一下，你不再需要依赖云端或外部服务器，只需轻轻一点，强大的AI大模型便在你的个人电脑上翩翩起舞。
这不仅意味着你可以随时随地享受AI带来的便捷与智能，更代表着你的电脑已经蜕变成为了一个真正的智能中心。
在这里，你可以与模型进行深度对话，让它帮你完成复杂任务，甚至激发你的创造力。
而这一切，都源自你对技术的热爱与追求。现在，就让我们一起探索如何在个人电脑上搭建并运行大模型的奥秘吧！
一、Ollama介绍
要在本地搭建大模型，Ollama工具无疑是我们不可或缺的得力助手。
Ollama是一个开源的大型语言模型服务工具，其设计初衷是帮助用户快速、便捷地在本地运行大型语言模型。
它提供了一个强大的框架，使用户能够管理、部署和运行这些模型，从而在各种NLP任务中取得出色的效果。
首先，Ollama具有显著的易用性特点。
通过简单的安装指令，用户可以在本地计算机上快速部署Ollama，并执行命令以运行开源大型语言模型。
其次，Ollama在模型管理方面也表现出色。
它提供了一个模型库，用户可以在这里下载和运行不同的大型语言模型，如Llama 2、Mistral等。
同时，Ollama还支持用户根据特定需求定制和创建自己的模型。
用户只需按照官方文档的指引，调整模型的参数和结构，即可在本地运行自定义的模型。
在性能方面，Ollama同样表现出色。
它采用了先进的优化技术，如自动图优化和高效的内存管理，确保即使是最复杂的模型也能高效运行。
此外，Ollama还支持动态图，这使得它在调试和实验新想法时更具灵活性。
多平台支持也是Ollama的一大亮点。
它支持macOS、Windows和Linux平台，甚至提供了Docker容器的支持，几乎覆盖了所有主流操作系统。
这意味着无论用户使用的是哪种操作系统，都可以轻松地安装和使用Ollama。
借助ollama，我们可以方便地进行模型的创建、配置和部署，将复杂的AI技术变得触手可及。
Ollama常见命令如下：
- 列出所有本地安装的模型
ollama list 
- 运行指定模型
ollama run qwen:7b 
- 删除模型
ollama rm llama3:latest 
二、Ollama下载和安装
（1）下载
下载地址：
https://ollama.com/download
下载完后，安装包如下所示：
（2）安装
双击安装包
（3）验证
安装完成后，验证是否安装成功
出现上述所示信息，表示安装成功！
三、使用Ollama部署大模型
3.1 安装Llama3大模型
Llama 3是由Meta（Facebook）AI发布的一个开源大模型。
该模型有8B参数的和70B参数的，这里的B代表十亿的意思。
8B就是80亿参数，70B就是700亿参数。
这里演示下8B参数的部署过程：
//部署Llama3:8b大模型 ollama run llama3:8b 安装中
安装完成
安装完成后，每次使用llama3之前，
都需要输入【ollama run llama3:8b】，以唤醒llama3大模型
接下来就可以输入问题，与llama3大模型进行对话了
3.2 安装Qwen大模型
Qwen 是阿里云推出的一系列基于 transformer 的大型语言模型，对大量数据进行预训练，包括 Web 文本、书籍、代码等。
参数规模包括 0.5B、1.8B、4B（默认）、7B、14B、32B（新）和 72B。
这里演示下7B参数的部署过程：
//部署qwen:7b大模型 ollama run qwen:7b 安装中
安装完成
安装完成后，每次使用qwen之前，
都需要输入【ollama run qwen:7b】，以唤醒qwen大模型
接下来就可以输入问题，与qwen大模型进行对话了
好了，今天的介绍就到这里了！
赶快动手试试吧！
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的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。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
