本文详细介绍了如何在Windows、Linux和MacOS系统上安装和部署Ollama，一个支持本地运行大语言模型的工具。Ollama提供了丰富的模型库，包括1700多种大语言模型，并支持用户自定义模型参数和上传自己的模型。文章还提供了详细的安装步骤和命令参数说明，帮助开发者轻松搭建和运行本地大模型，降低使用门槛，助力AI应用开发。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

一、Ollama介绍

2.1 基本介绍

Ollama是一个支持在Windows、Linux和MacOS上本地运行大语言模型的工具。它允许用户非常方便地运行和使用各种大语言模型,比如Qwen模型等。用户只需一行命令就可以启动模型。

主要特点包括:

1. 跨平台支持Windows、Linux、MacOS系统。
2. 提供了丰富的模型库,包括Qwen、Llama等1700+大语言模型,可以在官网model library中直接下载使用。
3. 支持用户上传自己的模型。用户可以将huggingface等地方的ggml格式模型导入到ollama中使用。也可以将基于pytorch等格式的模型转换为ggml格式后导入。
4. 允许用户通过编写modelfile配置文件来自定义模型的推理参数,如temperature、top_p等,从而调节模型生成效果。
5. 支持多GPU并行推理加速。在多卡环境下,可以设置环境变量来指定特定GPU。
6. 强大的技术团队支持，很多模型开源不到24小时就能获得支持。

总的来说,Ollama降低了普通开发者使用大语言模型的门槛,使得本地部署体验大模型变得简单易行。对于想要搭建自己的AI应用,或者针对特定任务调优模型的开发者来说,是一个非常有用的工具。它的一些特性,如允许用户自定义模型参数,对模型进行个性化适配提供了支持。

2.2 官网

• Ollama 下载：https://ollama.com/download
• Ollama 官方主页：https://ollama.com
• Ollama 官方 GitHub 源代码仓库：https://github.com/ollama/ollama/

二、window 安装

直接从下载页面下载相对应系统的安装程序，Windows安装程序选择Windows的安装包，点击“Download for Windows(Preview)”

下载好以后一路install 安装即可。

安装完成之后，打开一个cmd命令窗口，输入“ollama”命令，如果显示ollama相关的信息就证明安装已经成功了！

三、Mac 安装

直接从下载页面下载相对应系统的安装程序，Windows安装程序选择Windows的安装包，点击“Download for Mac”

下载好后打开安装命令行

四、 Linux 安装

在Linux系统上,可以通过脚本安装或源码编译的方式来安装Ollama。下面分别介绍这两种安装方法。

4.1 脚本安装

Ollama提供了一键安装脚本,可以快速在Linux系统上安装Ollama。安装步骤如下:

1. 打开终端,执行以下命令下载安装脚本:

   curl-fsSL|sh
   

2. 等待安装完成。安装脚本会自动下载所需的组件,并完成Ollama的安装与配置。

3. 安装完成后,可以通过以下命令启动Ollama:

4.2 二进制安装

1. 将 Ollama 的二进制文件下载到 PATH 中的目录：

   sudocurl-L-osudochmod
   

2. 将 Ollama 添加为自启动服务，首先，为 Ollama 创建用户：

sudouseradd-r-s-m-d

3. 然后在该位置：/etc/systemd/system/ollama.service 创建服务文件

   [
   Unit
   ][Unit]Description=Ollama ServiceAfter=network-online.target[
   Service
   ][Service]ExecStart=/usr/bin/ollama serveUser=ollamaGroup=ollamaRestart=alwaysRestartSec=3[
   Install
   ][Install]WantedBy=default.target
   

4. 设置开机自启动

   sudosudoenable
   

5. 启动 Ollama，使用以下命令启动 Ollama：systemd

   sudo
   

4.3 安装特定版本

设置 OLLAMA_VERSION字段，，可以安装对应的版本

curl-fsSL|OLLAMA_VERSION=0.3sh

4.4 查看日志

查看作为启动服务运行的 Ollama 的日志：

-e-u

4.5 更新

通过shell 脚本更新 Ollama：

curl-fsSL|sh

或者下载 Ollama 二进制文件：

sudocurl-L-osudochmod

4.6 卸载

• 删除 Ollama 服务：

sudosudosudorm

• 从 bin 目录中删除 Ollama 二进制文件： /usr/local/bin ,/usr/bin ,/bin

sudorm$(
which
 ollama
)$(which)

• 删除下载的模型和 Ollama 服务用户和组：

sudorm-rsudouserdelsudogroupdel

三、命令参数

以下是 Ollama 使用常见的指令：

#启动ollama#从模型文件创建模型#显示模型信息#运行模型#从注册表中拉取模型#将模型推送到注册表#列出模型cp#复制模型rm#删除模型help#获取有关任何命令的帮助信息

四、设置自定义模型下载路径

默认情况下，ollama模型的存储目录如下：

• macOS: ~/.ollama/models
• Linux: /usr/share/ollama/.ollama/models
• Windows: C:\Users\<username>\.ollama\models

4.1 Windows 更改 Ollama 模型存放位置

在Windows系统中，若要更改Ollama模型的存放位置，可以按照以下步骤操作：

1. 打开环境变量编辑界面。可以通过以下方式：
   • 右键点击“此电脑”或“我的电脑”，选择“属性”。
   • 在系统窗口中选择“高级系统设置”。
   • 在系统属性窗口中点击“环境变量”按钮。
2. 在环境变量窗口中，点击“新建”创建一个新的系统变量或用户变量。
   • 变量名：OLLAMA_MODELS
   • 变量值：输入你希望设置的新模型存放路径，例如：D:\Ollama\Models
3. 点击“确定”保存设置。
4. 重启任何已经打开的Ollama相关应用程序，以便新的路径生效。

4.2 Linux/Mac 更改 Ollama 模型存放位置

在Linux或Mac系统中，更改Ollama模型存放位置的步骤如下：

1. 打开终端。

2. 创建一个新的目录作为模型存放位置，例如：

   mkdir-p
   

3. 设置环境变量。在Linux系统中，可以通过编辑~/.bashrc或~/.bash_profile文件（对于bash shell）或~/.zshrc文件（对于zsh shell）。在Mac系统中，可以通过编辑~/.bash_profile或~/.zshrc文件。使用以下命令编辑文件：

   nano# 或者使用其他的文本编辑器，如vim
   

4. 在文件末尾添加以下行来设置OLLAMA_MODELS环境变量：

   exportOLLAMA_MODELS="/path/to/your/new/ollama/models"
   

5. 保存并关闭文件。如果你使用的是nano编辑器，可以按Ctrl + X，然后按Y确认保存，最后按Enter键。

6. 使环境变量生效。在终端中运行以下命令：

   source# 或者source ~/.bash_profile，取决于你编辑的文件
   

7. 重启任何已经打开的Ollama相关应用程序，以便新的路径生效。

五、导入 huggingface 模型

Ollama 从最新版0.3.13开始支持从 Huggingface Hub 上直接拉取各种模型，包括社区创建的 GGUF 量化模型。用户可以通过简单的命令行指令快速运行这些模型。

可以使用如下命令：

{}{}

请注意，您可以使用 hf.co 或 huggingface.co 作为域名。

要选择不同的量化方案，只需在命令中添加一个标签：

{}{}{}

例如：

量化名称不区分大小写，因此以下命令同样有效：

您还可以直接使用完整的文件名作为标签：

读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓