ubuntu下open-webui + ollama本地大模型部署

hello_Byte 2024-10-14 09:33:03 阅读 70

文章目录

nvidia gpu驱动安装安装卸载

ollama 部署添加docker秘钥docker配置添加国内镜像源ollama安装从源拉取ollama镜像。启动一个ollama容器

通过ollama下载模型到本地检验本地模型

open-webui 部署安装容器和镜像下载webui使用查看模型运行时内存、cpu、gpu占用


业余兴趣,部署下最近很火的LLM大模型玩玩,现在市面做这种大模型的部署快速应用还是挺多的,比如下面这些。

在这里插入图片描述

这里介绍采用nvidia gpu,基于ubuntu docker环境下的open-webui + ollama本地大模型部署过程。

nvidia gpu驱动安装

如果电脑有nvidia gpu,使用本地大模型最好采用gpu,否则用cpu的推理速度极慢,还占用资源。

安装

<code># nvidia镜像源

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \

&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \

sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \

sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

apt-get update

#安装 NVIDIA Container Toolkit 软件包

apt-get install -y nvidia-container-toolkit

#配置 Docker 以使用 Nvidia 驱动程序

sudo nvidia-ctk runtime configure --runtime=docker

apt-get install dkms

ubuntu-drivers devices # 查询系统建议安装的nvidia版本

apt install nvidia-driver-550-open #选择驱动版本安装

ls /usr/src/ |grep nvidia #可以看到nvidia开头的驱动版本文件

安装后reboot重启

然后执行nvidia-smi查看gpu情况,确认是否安装成功。

卸载

sudo apt-get --purge remove nvidia*

sudo apt autoremove

# To remove CUDA Toolkit:

sudo apt-get --purge remove "*cublas*" "cuda*"

sudo apt-get --purge remove "*nvidia*"

ollama 部署

添加docker秘钥

curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -

添加阿里docker软件源

sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"

在这里插入图片描述

docker配置添加国内镜像源

创建文件:/etc/docker/daemon.json, 添加如下内容, docker镜像源将会从如下站点拉取。同时配置Nvidia运行时,能在docker中使用GPU。

<code>{

"registry-mirrors": [ #镜像源

"https://docker.mirrors.ustc.edu.cn",

"https://hub-mirror.c.163.com",

"https://docker.m.daocloud.io",

"https://ghcr.io",

"https://mirror.baidubce.com",

"https://docker.nju.edu.cn"

],

"default-runtime": "nvidia",

"runtimes": {

"nvidia": {

"args": [],

"path": "nvidia-container-runtime"

}

},

"data-root": "/home/docker/data/" #docker镜像默认安装路径

}

其中,"data-root"为docker镜像默认安装路径,用户根据自己情况选择路径。如果不选择,默认安装到:/var/run/docker/

sudo systemctl restart docker 生效。

ollama安装

从源拉取ollama镜像。

docker pull ollama/ollama:latest

启动一个ollama容器

docker run -d --gpus=all --restart=always -v /root/project/docker/ollama:/root/project/.ollama -p 11434:11434 --name ollama ollama/ollama

使用镜像为ollama/ollama,映射端口11434。

通过ollama下载模型到本地

#下载通义千问:

docker exec -it ollama ollama run qwen2

#下载通义ollama3

docker exec -it ollama ollama run llama3.1:8b

查看已经安装好的模型:

docker exec -it ollama ollama list

在这里插入图片描述

可下载其他模型库如下,根据自身电脑配置下载

模型 参数数量 大小 下载方式
Llama 2 7B 3.8GB docker exec -it ollama ollama run llama2
Mistral 7B 4.1GB docker exec -it ollama ollama run mistral
Dolphin Phi 2.7B 1.6GB docker exec -it ollama ollama run dolphin-phi
Phi-2 2.7B 1.7GB docker exec -it ollama ollama run phi
Neural Chat 7B 4.1GB docker exec -it ollama ollama run neural-chat
Starling 7B 4.1GB docker exec -it ollama ollama run starling-lm
Code Llama 7B 3.8GB docker exec -it ollama ollama run codellama
Llama 2 Uncensored 7B 3.8GB docker exec -it ollama ollama run llama2-uncensored
Llama 2 13B 7.3GB docker exec -it ollama ollama run llama2:13b
Llama 2 70B 39GB docker exec -it ollama ollama run llama2:70b
Orca Mini 3B 1.9GB docker exec -it ollama ollama run orca-mini
Vicuna 7B 3.8GB docker exec -it ollama ollama run vicuna
LLaVA 7B 4.5GB docker exec -it ollama ollama run llava
Gemma 2B 1.4GB docker exec -it ollama ollama run gemma:2b
Gemma 7B 4.8GB docker exec -it ollama ollama run gemma:7b

检验本地模型

通过命令运行ollama3.1,能直接进行对话,说明正常了。

docker exec -it ollama ollama run llama3.1:8b

在这里插入图片描述

open-webui 部署

上面命令方式跟模型对话不太通用,通常会做成网页形式交互,这里可以采用open-webui。

安装容器和镜像下载

支持 Nvidia GPU 的 Open WebUI

<code>sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda

但下载估计非常慢,可以用国内的:

sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always registry.cn-shenzhen.aliyuncs.com/funet8/open-webui:cuda

如果不支持 Nvidia GPU 可以下载main版本:

$ sudo docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

映射端口号为3000.

查看ollama和open-webui安装的容器和镜像:

在这里插入图片描述

在这里插入图片描述

webui使用

网页登入:

http://127.0.0.0:3000/

在这里插入图片描述

第一次登入,需要注册个管理员账号。

进入webui后,查看是否识别到模型。

在这里插入图片描述

以及管理模型docker的端口号是否与ollama一致。

在这里插入图片描述

第一次启动模型提问,可能要等待一段时间,等模型加载启动后才有回应。

(如果一直没有回应,但命令行方式有回应,那可能是webui安装问题,或者浏览器问题)。

在这里插入图片描述

查看模型运行时内存、cpu、gpu占用

模型开始回答问题时,cpu变化不大,回答结束后cpu恢复,但内存被占用很多,而且回答结束后仍然占用,说明模型已经被加载到内存处于活跃状态。

在这里插入图片描述

<code>nvidia-smi查看,模型j计算的主要占用在GPU中。

在这里插入图片描述



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。