私有化部署 Llama3 大模型, 支持 API 访问
视频
https://www.bilibili.com/video/BV1wD421n75p/
前言
通过 ollama 本地运行 Llama3 大模型其实对我们开发来说很有意义，你可以私有化放服务上了。
然后通过 api 访问，来处理我们的业务，比如翻译多语言、总结文章、提取关键字等等。
你也可以安装 enchanted 客户端去直接访问这个服务 api 使用。
参考
https://llama.meta.com/llama3/
https://github.com/ollama/ollama
https://github.com/ollama/ollama/blob/main/docs/api.md
https://github.com/sugarforever/chat-ollama
https://github.com/AugustDev/enchanted
Llama3
https://llama.meta.com/llama3/
https://github.com/meta-llama/llama3/blob/main/MODEL_CARD.md
安全性
https://llama.meta.com/trust-and-safety/
步骤
安装 ollama
安装 Llama3 8b 模型
https://ollama.com/library/llama3
模型选择
安装命令
$ ollama run llama3
访问 api 服务
https://github.com/ollama/ollama/blob/main/docs/api.md
curl http://localhost:11434/api/generate -d '{
"model":"llama3",
"prompt": "请分别翻译成中文、韩文、日文 -> Meta Llama 3: The most capable openly available LLM to date",
"stream": false
}'
参数解释如下：
model（必需）：模型名称。
prompt：用于生成响应的提示文本。
images（可选）：包含多媒体模型（如llava）的图像的base64编码列表。
高级参数（可选）：
- format：返回响应的格式。目前仅支持json格式。
- options：模型文件文档中列出的其他模型参数，如温度（temperature）。
- system：系统消息，用于覆盖模型文件中定义的系统消息。
- template：要使用的提示模板，覆盖模型文件中定义的模板。
- context：从先前的/generate请求返回的上下文参数，可以用于保持简短的对话记忆。
- stream：如果为false，则响应将作为单个响应对象返回，而不是一系列对象流。
- raw：如果为true，则不会对提示文本应用任何格式。如果在请求API时指定了完整的模板化提示文本，则可以使用raw参数。
- keep_alive：控制模型在请求后保持加载到内存中的时间（默认为5分钟）。
返回 json 数据
{
"model": "llama3",
"created_at": "2024-04-23T08:05:11.020314Z",
"response": "Here are the translations:\n\n**Chinese:** 《Meta Llama 3》：迄今最强大的公开可用的LLM\n\n**Korean:** 《Meta Llama 3》：?? ?? ??? ?? ?? ??? LLM\n\n**Japanese:**\n\n《Meta Llama 3》：現在最強の公開使用可能なLLM\n\n\n\nNote: (Meta Llama 3) is a literal translation, as there is no direct equivalent for \"Meta\" in Japanese. In Japan, it's common to use the English term \"\" or \"\" when referring to Meta.",
"done": true,
"context": [
...
],
"total_duration": 30786629492,
"load_duration": 3000782,
"prompt_eval_count": 32,
"prompt_eval_duration": 6142245000,
"eval_count": 122,
"eval_duration": 24639975000
}
返回值的解释如下：
- total_duration：生成响应所花费的总时间。
- load_duration：以纳秒为单位加载模型所花费的时间。
- prompt_eval_count：提示文本中的标记（tokens）数量。
- prompt_eval_duration：以纳秒为单位评估提示文本所花费的时间。
- eval_count：生成响应中的标记数量。
- eval_duration：以纳秒为单位生成响应所花费的时间。
- context：用于此响应中的对话编码，可以在下一个请求中发送，以保持对话记忆。
- response：如果响应是以流的形式返回的，则为空；如果不是以流的形式返回，则包含完整的响应。
要计算生成响应的速度，以标记数每秒（tokens per second，token/s）为单位，可以将 eval_count / eval_duration 进行计算。
ollama 生态
https://github.com/ollama/ollama
- 客户端 桌面、Web
- 命令行工具
- 数据库工具
- 包管理工具
- 类库
桌面 enchanted 客户端
https://github.com/AugustDev/enchanted
设置服务器地址
提问使用
代码
https://github.com/ollama/ollama
小结
感谢阅读本文
如果有什么建议，请在评论中让我知道。我很乐意改进。
flutter 学习路径
- Flutter 优秀插件推荐 https://flutter.ducafecat.com
- Flutter 基础篇1 - Dart 语言学习 https://ducafecat.com/course/dart-learn
- Flutter 基础篇2 - 快速上手 https://ducafecat.com/course/flutter-quickstart-learn
- Flutter 实战1 - Getx Woo 电商APP https://ducafecat.com/course/flutter-woo
- Flutter 实战2 - 上架指南 Apple Store、Google Play https://ducafecat.com/course/flutter-upload-apple-google
- Flutter 基础篇3 - 仿微信朋友圈 https://ducafecat.com/course/flutter-wechat
- Flutter 实战3 - 腾讯 tim 即时通讯开发 https://ducafecat.com/course/flutter-tim
? 猫哥
ducafecat.com
end
