Meta公司一直致力于这样一个理念：“ that open source not only provides great technology for developers, but also brings the best out in people”，翻译过来就是开源不仅为开发人员提供了出色的技术，而且还将给人们带来更好的。但是前几天李彦宏说开源模型没有未来？我们的红衣大叔安全专家周总也提倡大家开源。

所以，到底开源好还是闭源好呢？

今天通过一个大模型案例来简单思考下这个问题。

下面主要介绍如何在本地部署llama3大模型，本次介绍拥有80亿参数的llama3:8B版本的部署。

大模型排名情况

简单介绍llama3大模型

Llama 3是Meta 公司开发的Llama系列模型的第三个版本，本次提供 8B 和 70B 参数大小的版本。Llama3拥有改进的推理能力。

llama3大模型的版本

模型版本	参数大小	模型大小	发布时间
llama3:70b	700亿	40GB	2024-4-18
llama3:8b	80亿	4.7GB	2024-4-18

预告了正在训练中的400B+模型，性能追赶GPT4

指令微调模型

预训练模型

开始部署

技术栈组成

系统：linux系统（内存16GB 、CPU4C、 存储100GB、 无显卡）

大模型运行框架：ollama

使用模型：llama3:8b

web项目：open-webui

[本次使用8b模型，节省下载时间，如需使用其他模型，方法步骤相同，切换下载的模型即可]

第一步：安装ollama

linux上安装很简单,官网：https://ollama.com/

curl -fsSL https://ollama.com/install.sh | sh 修改ollama服务启动脚本

vim /etc/systemd/system/ollama.service ... [Service] #增加,（不修改，后续如果其他主机调用api接口会报无法连接错） Environment="OLLAMA_HOST=0.0.0.0:11434" ... 启动ollama服务

systemctl daemon-reload systemctl restart ollama 测试ollama接口是否可以访问

直接浏览器访问http://服务器ip:11434，如返回 ollama in runninng,表示正常，可以继续下面的步骤

第二步：模型管理—下载模型llama3:8b

安装好ollama后直接使用ollama下载运行llama3:8b即可（如需下载其他模型，使用此方法即可，建议多尝试几个模型比如gemma、qwen等）

ollama run llama3:8b

第三步：部署open-webui

本次介绍使用open-webui来接入大模型，如有其他web项目，也可以使用，保持ollama接口一致即可

使用docker部署open-webui，需要补充docker基础知识的朋友可以参考安装docker教程

docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always ghcr.io/open-webui/open-webui:main #如果镜像拉取速度慢，可以使用下面的镜像 docker run -d --network=host -v open-webui:/app/backend/data -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui --restart always registry.cn-hangzhou.aliyuncs.com/pzl_images/open-webui:main

部署完，访问http://ip:8080

注册管理员账号（注意，注册的第一个账号为管理员账号，后面注册的账号均无管理权限，且需管理员同意注册）

4. 管理员设置—需要在管理员设置中，修改默认用户角色为“用户”，不然新注册用户无法直接登录使用，需要管理员面板中分配角色才能使用

选则对话模型

第四步：开始使用AI

普通用户界面

管理员界面

注意，如果你的ollama上跑了多个模型，需要在使用前切换模型

到这里，就介绍完了，如何使用Ollama部署AI大模型，就是这么简单

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。

二方面是可以根据这些资料规划好学习计划和方向。

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👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉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】🆓