什么是Ollama：
Ollama是一个开源的大型语言模型服务工具，它帮助用户快速在本地运行大模型，通过简单的安装指令，可以让用户执行一条命令就在本地运行开源大型语言模型，例如 Llama2。这个框架简化了在Docker容器内部署和管理LLM的过程，使得用户能够快速地在本地运行大型语言模型。
Ollama 将模型权重、配置和数据捆绑到一个包中，定义成 Modelfile。它优化了设置和配置细节，包括 GPU 使用情况。
Ollama的优势：
①易于使用：Ollama提供了一个简单的API，使得即使是没有经验的用户也可以轻松使用。此外，它还提供了类似ChatGPT的聊天界面，用户无需开发即可直接与模型进行聊天交互。
②轻量级：Ollama的代码简洁明了，运行时占用资源少。这使得它能够在本地高效地运行，不需要大量的计算资源。
③可扩展：Ollama支持多种模型架构，并可以扩展以支持新的模型。它还支持热加载模型文件，无需重新启动即可切换不同的模型，这使得它非常灵活多变。
④预构建模型库：Ollama提供了一个预构建模型库，可以用于各种任务，如文本生成、翻译、问答等。这使得在本地运行大型语言模型变得更加容易和方便。
快速上手
一. 下载 Ollama 安装文件
访问 https://ollama.com/download，选择 Windows，单击 “Download for Windows (Preview)” 进行下载。
二. 安装 Ollama
双击下载的 “OllamaSetup.exe”，进行安装。
三. 环境变量
Ollama 下载的模型默认保存在 C 盘。
强烈建议更改默认路径，可以通过新建环境变量 OLLAMA_MODELS 进行修改。
OLLAMA_MODELS
E:\OllamaCache
设置成功后重启电脑生效修改
四. 使用 Ollama
访问 https://ollama.com/library，搜索需要使用的模型，主流的模型。
记得先启动Ollma,确保Ollma在任务栏
再下面以 qwen-7b 为例，选择运行 7b 的模型
拷贝上面红框的命令并在cmd或者PowerShell运行(推荐使用cmd)
ollama run qwen:7b
等待模型下载与加载，目前前95%下载速度快，99%到100%速度较慢。
当出现 Send a nessage 即可开始模型的使用
qwen-7b效果图：
ollama run qwen:7borion14b-q4效果图：
ollama run orionstar/orion14b-q4llama2-chinese效果图：
ollama run llama2-chinese网络上搜集的问题与回答：
五. 再次使用
确保Ollama正常运行后，
在cmd输入运行代码即可免下载安装直接使用（已在第4步模型安装成功）
如：
ollama run llama2-chinese本人使用的是8GB-2070super,16GB内存，i7-10700K。
在运行qwen-7b和llama2-chinese相当流畅
套上外壳
若是觉得命令行的形式不够易用，Ollama 有一系列的周边工具可供使用，包含了网页、桌面、终端等交互界面及诸多插件和拓展。
之所以 Ollama 能快速形成如此丰富的生态，是因为它自立项之初就有清晰的定位：让更多人以最简单快速的方式在本地把大模型跑起来。于是，Ollama 不是简单地封装 llama.cpp，而是同时将繁多的参数与对应的模型打包放入；Ollama 因此约等于一个简洁的命令行工具和一个稳定的服务端 API。这为下游应用和拓展提供了极大便利。
就 Ollama GUI 而言，根据不同偏好，有许多选择：
Web 版：Ollama WebUI 具有最接近 ChatGPT 的界面和最丰富的功能特性，需要以 Docker 部署；
终端 TUI 版：oterm 提供了完善的功能和快捷键支持，用 brew 或 pip 安装；
Raycast 插件：即 Raycast Ollama，这也是我个人最常用的 Ollama 前端 UI，其继承了 Raycast 的优势，能在选中或复制语句后直接调用命令，体验丝滑。而作为价值约 8 美元/月的 Raycast AI 的平替，Raycast Ollama 实现了 Raycast AI 的绝大多数功能，且随着 Ollama 及开源模型的迭代，还将支持多模态等 Raycast AI 不支持的功能，可谓潜力无限。
此外，还有 Swift 编写的 macOS 原生应用 Ollamac、类似于 Notion AI 的 Obsidian Ollama 等有趣应用，可按需选用。
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
