Ollama如何構建自己的Llama3中文模型
Ollama
Ollama 是一個開源的大型語言模型（LLM）服務工具，它允許用戶在本地機器上運行和部署大型語言模型。Ollama 設計為一個框架，旨在簡化在 Docker 容器中部署和管理大型語言模型的過程，使得這一過程變得簡單快捷。用戶可以通過簡單的命令行操作，快速在本地運行如 Llama 3 這樣的開源大型語言模型。
應用模型
注意：推薦下載 GGUF文件格式的模型，可以快速簡潔的導入 Ollama 中。
0X01 下載模型文件
下載地址：https://huggingface.co/shenzhi-wang/Llama3-8B-Chinese-Chat-GGUF-8bit/tree/main。
下載 Llama3-8B-Chinese-Chat-q8_0-v2_1.gguf 模型文件。
圖片
0X02 編寫模型文件
Modelfile文件內容如下：
# FROM 指定 GGUF 文件的路徑
FROM D:/AI/Download/Llama3-8B-Chinese-Chat-q8_0-v2_1.gguf0X03 創建 Ollama 模型
使用ollama create命令可以根據Modelfile創建一個新的模型：
ollama create tinywan-Llama3-8B-Chinese -f ./Modelfile
transferring model data
using existing layer sha256:ea6e8d5cda0fc798898b67f6e728eb2d02877a2599aa3c8290aaa6f681c2bb9e
creating new layer sha256:e6e86a160950a92b7b32fcd6fcbc830e38634be6d616ec57452561bfe2a243fb
writing manifest
success這個命令會讀取Modelfile中的配置，并創建一個名為tinywan-Llama3-8B-Chinese的新模型。
通過命令ollama list查看模型列表：
> ollama list
NAME ID SIZE MODIFIED
tinywan-Llama3-8B-Chinese:latest adcb30feaee5 16 GB About a minute ago
llama3:8b a6990ed6be41 4.7 GB 2 weeks ago0X04 運行 Ollama 模型
使用 ollama run 命令來驗證tinywan-Llama3-8B-Chinese新模型：
ollama run tinywan-Llama3-8B-Chinese:latest模型測試
>>> 寫一首詩吧
。"我說。
他眨了眨眼，微笑著回答道：“好啊，我試試看。”然后，他閉上眼睛，開始吟唱：
在星空之下，
月光灑銀輝。
風輕輕地舞，
樹葉低語。
山川河流靜默，
夜晚籠罩大地。
但就在這寧靜中，
我感受到生命的脈動，
它如同詩歌般跳躍，
穿梭于每一顆心中。REST API
除了命令行界面，OLlama還提供了REST API，使得您可以通過HTTP請求與模型交互。這對于在Web應用程序中集成ollama尤其有用。
請求
要生成模型的響應，您可以發送一個POST請求到 /api/generate：
curl -X POST http://localhost:11434/api/generate -d '{
"model": "llama3:8b",
"prompt": "中文回答。你是什么大模型？",
"stream": false
}'響應
返回一個JSON對象流：
{
"model": "llama3:8b",
"created_at": "2024-05-12T09:00:01.9513668Z",
"response": "I'm LLaMA, a large language model developed by Meta AI that can understand and respond to human input in a conversational manner. I've been trained on a massive dataset of text from the internet and can generate human-like responses to a wide range of topics and questions. My training data includes but is not limited to:\n\n* Web pages: articles, blogs, forums\n* Books: fiction and non-fiction\n* Research papers: academic journals, research articles\n* User-generated content: social media, comments, reviews\n\nI'm able to generate responses that are contextualized to the conversation I'm having with you. This means I can recall previous statements or questions in our conversation and respond accordingly.\n\nMy capabilities include:\n\n* Answering questions on a wide range of topics, from science and history to entertainment and culture\n* Generating text summaries of long pieces of content\n* Translating text from one language to another (in this case, Chinese to English)\n* Responding to natural language input in a conversational manner\n\nI'm constantly learning and improving my responses based on the conversations I have with users like you. So feel free to ask me anything, and I'll do my best to provide helpful and accurate information!",
"done": true,
"done_reason": "stop",
"context": [
128006,
...
128009
],
"total_duration": 37185731000,
"load_duration": 10876300,
"prompt_eval_count": 13,
"prompt_eval_duration": 1058480000,
"eval_count": 248,
"eval_duration": 36115711000
}更多了解：https://github.com/ollama/ollama/blob/main/docs/api.md
meta-llama
項目開源地址：https://github.com/meta-llama/llama3
圖片
模型下載直接在在Hugging Face上下載就是了。模型地址：https://huggingface.co/models。
注意：推薦下載GGUF文件格式的模型，可以快速簡潔的導入Ollama中。有了gguf格式的模型文件這樣就不需要通過llama.cpp項目進行模型格式轉換了。
圖片
其他
刪除模型
如果需要刪除一個本地的模型，可以使用ollama rm命令。這將從您的本地環境中刪除名為my-model的模型。
ollama rm my-model復制模型
您可以使用ollama cp命令復制一個模型，創建一個新的模型副本：
ollama cp original-model new-model
