一文彻底整明白,基于Ollama工具的LLM大语言模型Web可视化对话机器人部署指南

news/2024/6/20 16:28:37

在上一篇博文中,我们在本地部署了Llama 3 8B参数大模型,并用 Python 写了一个控制台对话客户端,基本能愉快的与 Llama 大模型对话聊天了。但控制台总归太技术化,体验不是很友好,我们希望能有个类似 ChatGPT 那样的 Web 聊天对话界面,本博文就安排起来……

上一篇Llama 3 8B大模型部署和 Python 对话客户端博文:玩转 AI,笔记本电脑安装属于自己的 Llama 3 8B 大模型和对话客户端

因为本博文介绍的Web 可视化对话机器人,涉及到前文的Llama 3 8B大模型(并不是强依赖),因此建议提取安装前文部署好Llama 3 8B大语言模型。

为了方便把我们的大模型对话机器人分享出去,聊天机器人最后是基于Web网站,可通过浏览器访问,本文正是通过OllamaWebUI在本地部署Llama 3Web 版聊天机器人,本文包括如下部分:

  1. 什么是Ollama,它与Llama是什么关系?
  2. 安装Ollama大语言模型工具
  3. 安装Node.js编程语言工具包(为接下来的 Web 可视化聊天界面做好准备)
  4. 基于Llama 3 8BGGUF 模型文件创建Ollama模型文件
  5. 部署Ollama大模型 Web 可视化聊天界面
  6. 愉快的与Llama 3大模型俩天对话
  7. 最后,Ollama大模型工具的其他用法

什么是Ollama,它与Llama是什么关系?

Ollama是一个开源的 LLM(大型语言模型)服务工具,用于简化在本地运行大语言模型,降低使用大语言模型的门槛,使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型,包括如Llama 3Phi 3MistralGemma等开源的大型语言模型。

Ollama目前支持以下大语言模型:https://ollama.com/library

Ollama支持的大模型列表

因此,OllamaLlama的关系:Llama是大语言模型,而Ollama是大语言模型(不限于Llama模型)便捷的管理和运维工具

安装Ollama大语言模型工具

Ollama提供了MacOSLinuxWindows操作系统的安装包,大家可根据自己的操作系统,下载安装即可:

Ollama下载页面

安装包下载之后的安装过程,和日常安装其他软件没有差别,包括点击Next以及Install等安装ollama到命令行。安装后续步骤中,我们可无需安装任何模型(默认是Llama 3),因为我们在上文中已经安装了Llama 3 8B大模型,后面可以直接使用。

当然,假如没有根据我的前面博文安装Llama 3 8B模型,在安装Ollama过程中,也可以一起进行安装。

安装Node.js编程语言工具包

安装Node.js编程语言工具包和安装其他软件包一样,下载安装即可:https://nodejs.org

Node.js下载页面

安装完成之后,可以验证一下 Node.js 的版本,建议用目前的最新v20版本:

node -v

我安装的版本:v20.13.1(最新版本)

基于Llama 3 8BGGUF 模型文件创建Ollama模型

在我们存放Llama 3 8B的 GGUF 模型文件目录中,创建一个文件名为Modelfile的文件,该文件的内容如下:

FROM ./Meta-Llama-3-8B-Instruct.Q4_K_M.gguf

然后在控制台,使用这个文件创建Ollama模型,这里我把Ollama的模型取名为Llama-3-8B

$ ollama create Llama-3-8B -f ./Modelfile
transferring model data
using existing layer sha256:647a2b64cbcdbe670432d0502ebb2592b36dd364d51a9ef7a1387b7a4365781f
creating new layer sha256:459d7c837b2bd7f895a15b0a5213846912693beedaf0257fbba2a508bc1c88d9
writing manifest
success

最后,通过Ollama启动我们刚创建的大语言模型:

ollama run Llama-3-8B

Ollama启动成功输出

启动完毕,其实我们已经有了一个控制台聊天界面,可以通过控制台与Llama-3-8B聊天了

如果我们不想要这个模型了,也可以通过命令行删除模型文件:ollama rm Llama-3-8B

Ollama存放模型文件根目录:~/.ollama

部署Ollama大模型 Web 可视化聊天界面

控制台聊天对话界面体验总归是不太好,接下来部署 Web 可视化聊天界面。

首先,下载ollama-webuiWeb 工程代码:git clone https://github.com/ollama-webui/ollama-webui-lite

然后切换ollama-webui代码的目录:cd ollama-webui-lite

设置 Node.js 工具包镜像源,以接下来下载 Node.js 的依赖包更加快速:npm config set registry http://mirrors.cloud.tencent.com/npm/

安装 Node.js 依赖的工具包:npm install

最后,启动 Web 可视化界面:npm run dev

Web对话机器人部署成功输出

如果看到以上输出,代表 Web 可视化界面已经成功了!

愉快的与Llama 3大模型俩天对话

浏览器打开 Web 可视化界面:http://localhost:3000/

可以看到Ollama的初始化页面,默认没有模型,需要选择,我们选择刚创建并部署的Llama-3-8B模型:

选择大模型

选择大模型

底部就是聊天输入框,至此可以愉快的与Llama 3聊天对话了:

Web对话

Web 对话聊天机器人的设置,大家可以基于 Web 网站设置,这里不在介绍,有需要的网友可以私信一起研究进步!

禅定:Ollama工具的其他用法

从上文的介绍可以看到,基于Ollama部署一个大模型的 Web 可视化对话机器人,还是非常方便。下面整理了部分Ollama提供的用法或者。

Ollama 命令工具

# 查看当前Ollama的模型
ollama list# 增量更新当前部署的模型
ollama pull Llama-3-8B# 删除一个模型文件
ollama rm Llama-3-8B# 复制一个模型
ollama cp Llama-3-8B Llama-newModel

Ollama API结果返回

curl http://localhost:11434/api/generate -d '{"model": "Llama-3-8B","prompt":"为什么天空是蓝色的?"
}'

Ollama API聊天对话

curl http://localhost:11434/api/chat -d '{"model": "Llama-3-8B","messages": [{ "role": "user", "content": "为什么天空是蓝色的?" }]
}'

我的本博客原地址:https://ntopic.cn/p/2024051801


微信公众号:Python禅师

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hjln.cn/news/33537.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

相关文章

常见Windows图标和缩略图问题的解决方法 steam图标变白、变地球

常见Windows图标和缩略图问题的解决方法 steam图标变白、变地球原文地址:https://itxiaozhang.com/common-windows-icon-thumbnail-issues-solutions/ 此教程配合视频学习效果最佳,视频教程在文章末尾。Windows桌面图标问题指南 在使用Windows操作系统时,我们经常会遇到各种…

使用GET方法访问网站

使用GET方法访问网站 服务器接收get参数 server.pyimport flask app = flask.Flask(__name__) @app.route(/) def index():province = flask.request.args.get(province)city = flask.request.args.get(city)print(province, city)return province+","+citydebug=Tru…

m基于BP译码算法的LDPC编译码matlab误码率仿真,对比不同的码长

1.算法仿真效果 matlab2022a仿真结果如下:2.算法涉及理论知识概要低密度奇偶校验码(Low-Density Parity-Check, LDPC)是一种高效的前向纠错码,因其优越的纠错性能和近似香农限的接近程度而广泛应用于现代通信系统中。LDPC码的编译码算法众多,其中Belief Propagation(BP)…

免费解锁Windows 11的HEVC支持:轻松播放4K电影的详细步骤

Windows 11的HEVC支持Windows 11 安装完成后,用电影和电视这个应用打开4K或者8K的MP4文件时,提示缺少解码器 以下就是本人解决过程 第一步:查找HEVC扩展的Microsoft Store页面 (本人直接浏览器打开:https://apps.microsoft.com/,搜索HEVC扩展,得到以下页面)复制地址栏的…

轻松玩转Python文件操作:移动、删除

哈喽,大家好,我是木头左!Python文件操作基础 在处理计算机文件时,经常需要执行如移动和删除等基本操作。Python提供了一些内置的库来帮助完成这些任务,其中最常用的就是os模块和shutil模块。这两个模块包含了许多与文件和目录操作相关的函数。 理解os模块 os模块是Python中…

Winform窗体的属性页没有显示筛选框

新建一个Wiform项目,在新窗体中添加了一些Button、TextBox,然后查看这个窗体的属性页,发现属性页上方没有属性筛选框 如果你装了Dev Express,那么在窗体上放置一些Dev的控件,发现属性出现了筛选框 然后尝试一下创建一个Dev窗体DevExpress.XtraEditors.XtraForm,仍然不会出…

视觉Mamba的多向扫描策略真的有效吗?

前言 本文对主流的扫描方向及其组合对遥感图像语义分割的影响进行了全面的实验研究。通过在LoveDA、ISPRS Potsdam和ISPRS Vaihingen数据集上广泛的实验,我们证明了无论其复杂性或扫描方向的数量,没有一个扫描策略能够显著优于其他策略。所以对于高分辨率遥感图像的语义分割,…

【论文笔记-55~】多语言实体对齐

2012~2018 Multilingual Knowledge Graph Embeddings for Cross-lingual Knowledge Alignment 文章核心观点: 这篇文章介绍了一种名为MTransE的多语言知识图谱嵌入模型,旨在实现跨语言知识对齐。该模型由知识模型和匹配模型两部分组成,其中知识模型采用TransE对每个语言的实…