本机部署大语言模型：Ollama和OpenWebUI实现各大模型的人工智能自由

本机部署大语言模型：Ollama和OpenWebUI实现各大模型的人工智能自由

本篇文章介绍在window系统下，安装Ollama并且安装gemma（谷歌大模型）、llama2（脸书大模型）、qwen（阿里大模型）等大模型的教程，实现类似免费ChatGPT的web界面

OllamaFengmian

安装之后的web界面

image-20240514091912366

什么是Ollama

Ollama是一个开源项目，旨在让用户能够轻松地在其本地计算机上运行大型语言模型（LLM），是一个开源的大型语言模型服务。它支持各种LLM，包括Llama 3、Mistral和Gemma。

提供了类似OpenAI的API接口和聊天界面,可以非常方便地部署最新版本的GPT模型并通过接口使用。支持热加载模型文件,无需重新启动即可切换不同的模型。

img

Ollama官网： https://ollama.com/

Ollama GitHub仓库：https://github.com/ollama/ollama

Ollama文档：https://github.com/ollama/ollama/blob/main/docs/api.md

Ollama的优势

易用性:

1.Ollama的API设计简洁明了，即使是初学者也可以轻松上手。 2.提供类似OpenAI的简单内容生成接口，极易上手使用。 3.类似ChatGPT的的聊天界面，无需开发直接与模型聊天。

灵活性:

1.支持多种LLM，如Llama 2、Code Llama、Mistral、Gemma 等，并允许用户根据特定需求定制和创建自己的模型。 2.支持热切换模型，灵活多变。

可控性:

1.可以本地运行LLM，因此用户可以完全控制自己的数据和隐私。 2.可定制模型参数、数据目录和其他设置。

经济性:

1.与使用云服务相比，本地运行LLM可以更省钱。

离线能力:

1.可让您离线运行LLM，这对于隐私和安全非常重要。

安装Ollama

本次安装环境为：Windows11，当然其他系统也可以支持。

下载Ollama

Ollama下载地址：https://ollama.com/download

image-20240511151054662

安装Ollama

安装也比较方便，双击打开 install

image-20240511151331009

安装完成没有提示，我们打开一个终端，本文以Windows PowerShell为例，大家也可以使用其他的：

image-20240511151503523

现在Ollama已经安装完了，我们需要在终端中输入下方命令运行一个大语言模型进行测试，这里以对在中文方面表现相对好些的千问为例，大家也可以使用其他的模型。

ollama run qwen

image-20240511151819825

安装成功，随便问几个问题。

image-20240511151923267

修改路径

可以看到，系统正在下载qwen的模型（并保存在C盘，C:\Users.ollama\models 如果想更改默认路径，可以通过设置OLLAMA_MODELS进行修改，然后重启终端，重启ollama服务。）

setx OLLAMA_MODELS "D:\ollama\model"

安装Open WebUI

Open WebUI是一个用于在本地运行大型语言模型（LLM）的开源Web界面。

在window下安装docker

1.启动Hyper-v

打开控制面板，在程序与功能页面选择启用或Windows功能

image-20240511153112805

然后，重启计算机。

2.安装WSL

打开 powershell，以管理员的身份启动命令窗口，输入

wsl --update

wsl --install

如果不是已管理员身份启动则会报错：请求的操作需要提升

image-20240511154319596

然后再次重启电脑。

image-20240511172942703

3.下载Docker软件

点击下载链接：https://docs.docker.com/desktop/install/windows-install/

image-20240511153811506

4.安装Docker

image-20240511155742842

使用Docker部署Open WebUI

在Open WebUI的github页面 https://github.com/open-webui/open-webui

可以看到，如果你的Ollama和Open WebUI在同一台主机，那使用下面显示的这一行命令就可以在本地快速进行部署：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

现在我们打开终端，比如powershell，然后输入docker，回车

image-20240511173724816

然后将上边在docker中部署Open WebUI的命令复制后粘贴到终端中，回车。

docker安装open-webui

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

image-20240511173828471

使用Open WebUI

安装完成后，在Docker Desktop中可以看到Open WebUI的web界面地址为：https://localhost:3000

或者内网IP+端口，这样局域网的其他人也可以访问到

image-20240511175350983

注册账号点击 sign up

登录

image-20240511175608965

设置为简体中文

点击右上角的设置，可以修改当前界面的语言为简体中文：然后点击保存即可。

image-20240511175737460

点击上方选择一个模型旁边的加号+可以增加大模型，点击下拉按钮可以选择当前使用哪一个已安装的模型，接下来就可以愉快的跟ai聊天了！

image-20240511175902435

使用llama2(3.8G)

在power shell中输入

ollama run llama2

安装完成如图：

image-20240511180531152

在Open WebUI中会新增一个llama2:latest 7B

image-20240511180736354

使用llama3(4.7G)

ollama run llama3

image-20240513110343869

在Open WebUI中会新增一个llama3:latest 8B

image-20240513110414767

image-20240513110526936

使用Mistral(4.1G)

Mistral 7B 是 Mistral AI 发布的 70 亿参数语言模型。 Mistral 7B 是一种精心设计的语言模型，可提供高效和高性能以支持实际应用程序。 由于效率的提高，该模型适用于需要快速响应的实时应用。 发布时，Mistral 7B 在所有评估基准中均优于最佳开源 13B 模型 (Llama 2)。

安装：

ollama run mistral

image-20240513111621060

使用gemma(5.0G)

ollama run gemma

image-20240513112439003

使用qwen:14b(8.2G)

ollama run qwen:14b 

image-20240513113857374

结语

安装Ollama完成之后就可以在本地愉快的使用大模型了。

例如支持gemma（谷歌大模型）、llama2（脸书大模型）、qwen（阿里大模型）等70+主流大模型，还在不断增加。