Ollama本地部署Llama3-Chinese并进行测试_ollama llama3 chinese

开源仓库

短短几天，开源社区HuggingFace上已经涌现了一批基于Llama3微调的中文版本。

llama3-chinese

GitHub上llama3-Chinese-chat仓库也整理了目前各家微调的版本，包括：

联通微调版：https://www.modelscope.cn/models/UnicomAI/Unichat-llama3-Chinese/summary  
Openbuddy微调版：https://www.modelscope.cn/models/OpenBuddy/openbuddy-llama3-8b-v21.1-8k/summary  
zhichen微调版：https://github.com/seanzhang-zhichen/llama3-chinese  
Rookie微调版：https://github.com/Rookie1019/Llama-3-8B-Instruct-Chinese  
shareAI-V1：https://opencsg.com/models/shareAI/llama3-Chinese-chat-8b  
shareAI-V2：https://modelscope.cn/models/baicai003/Llama3-Chinese_v2/summary
1
2
3
4
5
6

Ollama部署Llama3-Chinese模型

ollama仓库也已经出现了llama3-Chinese的模型（基于https://huggingface.co/zhichen/Llama3-Chinese的quantize q4_0版本）。

但经本人测试效果比较差，不仅回答的不准确，而且提问第二个问题就没有任何响应了。所以，不推荐使用。

这里，我们使用HuggingFace社区的zhouzr/Llama3-8B-Chinese-Chat-GGUF模型，推荐下载使用q4_k_m版本：

地址：zhouzr/Llama3-8B-Chinese-Chat-GGUF at main (huggingface.co)

将下载的GGUF模型上传到指定位置，编写Modelfile：

FROM ./Llama3-8B-Chinese-Chat.q4_k_m.GGUF  
TEMPLATE """{{ if .System }}<|start_header_id|>system<|end_header_id|>  
  
{{ .System }}<|eot_id|>{{ end }}{{ if .Prompt }}<|start_header_id|>user<|end_header_id|>  
  
{{ .Prompt }}<|eot_id|>{{ end }}<|start_header_id|>assistant<|end_header_id|>  
  
{{ .Response }}<|eot_id|>"""  
PARAMETER stop "<|start_header_id|>"  
PARAMETER stop "<|end_header_id|>"  
PARAMETER stop "<|eot_id|>"  
PARAMETER stop "<|reserved_special_token"
1
2
3
4
5
6
7
8
9
10
11
12

执行ollama create llama3-Chinese:8B -f Modelfile创建模型：

(base) [root@localhost my_model]# ollama create llama3-Chinese:8B -f Modelfile  
transferring model data  
creating model layer  
creating template layer  
creating parameters layer  
creating config layer  
using already created layer sha256:74db82a06a038230371e62740a9b430140e4df3a02c5ddcbe97c9bee76d6455e  
writing layer sha256:8ab4849b038cf0abc5b1c9b8ee1443dca6b93a045c2272180d985126eb40bf6f  
writing layer sha256:c0aac7c7f00d8a81a8ef397cd78664957fbe0e09f87b08bc7afa8d627a8da87f  
writing layer sha256:109fb4827ddd6f21dd04a405dec5e1c9e39cf139e89b98536875a782938c02f5  
writing manifest  
success
1
2
3
4
5
6
7
8
9
10
11
12

执行ollama list查看：

(base) [root@localhost my_model]# ollama list  
NAME                            ID              SIZE    MODIFIED  
llama3-Chinese:8B               e45ad8ada59e    4.9 GB  33 seconds ago  
qwen:14b-chat-v1.5-q5_K_M       ba0e61d66b27    10 GB   6 weeks ago
1
2
3
4

llama3-Chinese:8B已经成功导入到Ollama中。

测试示例

• • 弱智吧

• • 安全性

• • 撰写能力

• • 数学能力

• • 代码能力

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】