这是一个创建于 306 天前的主题，其中的信息可能已经有所发展或是发生改变。
ollama 用法跟 docker 很类似，指定 run 哪个模型就会自动去下载使用。
我用我的 1650 笔记本允许 mistral ，跑起来速度还行。
模型列表： https://ollama.com/library
方法： 建议采用 wsl2 运行 ollama ，安装 cuda 后即可利用显卡跑 ollama ，否则会利用 cpu 跑大模型。
wsl2 安装 cuda 直接用我这个链接即可： https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local
 |
1
cwyalpha 306 天前
1650 显存多少？能跑什么量级的模型？
|
 |
2
ahsjs 306 天前
嗯嗯，我也用的这个，只能跑小模型，谷歌的 gemma 之类的
|
 |
3
o562dsRcFqYl375i 306 天前
确实很方便。至于能跑多大的模型主要看机器的硬件配置吧，跟 ollama 这个工具应该没多大关系
|
 |
4
ChaoYoung 306 天前
同类 LM Studio 可视化相当不错
|
 |
6
Rrrrrr 306 天前
Macbool air M2 可以跑吗，给个教程
|
 |
7
panxiuqing 306 天前
Mac 上用 m1 很快。
|
 |
8
l4ever 306 天前
早就试过, 没有好用的模型. 有更好的推荐吗?
|
 |
11
supergeek1 306 天前
可以，m1 pro 跑个小模型速度很快
|
 |
12
monsterx2a 306 天前
它和 docker 啥关系？ 有啥优势吗？
|
 |
13
kwater 306 天前
ollama 安装后， 跑 17g 模型在 m1 还行，下载速度飞快，
加载首次等待比较久。 ollama run gemma:7b-instruct-fp16 可以自己开多会话 在 内存紧张就选小的 ollama run gemma:7b |
 |
14
dacapoday 306 天前
主要是它底层的 ggml 库的功劳，作者是个肝帝，移植了大量 开源的 llm 和 权重
|
 |
15
keepRun OP @monsterx2a 跟 docker 没关系，只是使用方式像 docker
|
 |
16
McVander 306 天前
m2 max 运行 gemma:7b 速度飞快
|
 |
17
CyouYamato 306 天前
手里有台闲置的 4060,目前测试了 gemma 7B ,2B,llama2 。目前来说，2B 快又还不错。搭配 chatbox 还不错。
|
 |
18
kaichen 306 天前
@Rrrrrr #6
到 https://lmstudio.ai/ 下载个客户端，搜索对应大小的模型（ apple silicon 是内存的 3/4 可以作为显存），可以先搜索 qwen gguf 找个合适大小的玩玩看 然后可以直接对话，或者启动一个与 openai api 兼容的 api server |
 |
19
cyp0633 306 天前
怎么在我的 1650 笔记本上就用 CPU 跑 mistral-7b...
|
 |
20
weilongs 306 天前
目前在用 m2 pro 跑. 客户端本地使用 chat box. 后面考虑是否搞个 Mac 盒子 穿透玩一下.
|
 |
21
skywalkerfc 306 天前
确实很方便，用公司的 m2 很快，在家用自己的 18 款 intel 就风扇直响
|
 |
23
freedom1613 281 天前
本地跑个小模型，用用沉浸式翻译、Openai-Translator 很不错，感谢推荐
|
 |
24
kangfenmao 166 天前
给你推荐一个支持 Ollama 的本地客户端，可以自动加载 Ollama 下载的模型 https://github.com/kangfenmao/cherry-studio
|
Select Language