找人做公司网站软文推送
下面是我关于大语言模型学习的一点记录
目录
人工智能学习路线
MaxKB 系统(基于大语言模型的知识问答系统)
部署开源大语言模型LLM
1.CPU模式(没有好的GPU，算力和效果较差)
2.GPU模式（需要有NVIDIA显卡支持）
Ollama网络配置
Ollama前台页面配置
使用docker中的ollama下载并运行AI模型
ollama模型仓库（可以选择自己想用的模型安装体验）
🏆 LMSYS Chatbot Arena Leaderboard(排行榜)
人工智能学习路线
人工智能学习路线（学+测） - 阿里云开发者社区人工智能学习路线，算法原理、框架精讲、机器学习实战、图像识别实战、自然语言处理实战，人工智能技术一站式学习
https://developer.aliyun.com/learning/roadmap/ai
MaxKB 系统(基于大语言模型的知识问答系统)
官网和GitHub链接，可以用于公司知识库
MaxKB - 基于大语言模型的知识库问答系统MaxKB 是一款基于 LLM 大语言模型的知识库问答系统。https://maxkb.cn/https://github.com/1panel-dev/MaxKBhttps://github.com/1panel-dev/MaxKB
docker安装
docker run -d --name=maxkb -p 8080:8080 -v ~/.maxkb:/var/lib/postgresql/data 1panel/maxkb
MaxKB是知识问答系统，主要对文档进行分块，内容块和问答框以及匹配度设置和问答记录登记 反馈等等情况。但本身不具有LLM模型，需要另外部署或者接入API，例如千帆
我们自己部署一套开源模型
部署开源大语言模型LLM
1.CPU模式(没有好的GPU，算力和效果较差)
docker部署ollama(给MaxKB调用)
docker run -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
2.GPU模式（需要有NVIDIA显卡支持）
企业级需要4090 2块做推理
安装英伟达容器工具包（以Ubuntu22.04为例）
其他系统请参考：英伟达官方文档
# 1.配置apt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
# 2.更新源sudo apt-get update
# 3.安装工具包sudo apt-get install -y nvidia-container-toolkit
docker使用GPU运行ollama
docker run --gpus all -d -v /opt/ai/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama
Ollama网络配置
如何在我的网络上暴露Ollama？
Ollama默认绑定127.0.0.1端口11434。通过OLLAMA_HOST环境变量更改绑定地址。
https://docs.dify.ai/v/zh-hans/guides/model-configuration/ollama#zai-windows-shang-she-zhi-huan-jing-bian-liang
Ollama前台页面配置
docker部署ollama web ui(第一次登录需要注册)
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
使用docker中的ollama下载并运行AI模型
#通义1.0 4b
docker exec -it ollama ollama run qwen:4b-chat
#中文 lama2-chinese:13b模型
docker exec -it ollama ollama run llama2-chinese:13b
#通义7b-chat-v1.5-q5_K_M
docker exec -it ollama ollama run qwen:7b-chat-v1.5-q5_K_M
#通义千问2.0 Qwen2-7B（2024年6月底更新，当前最好用的开源，推荐用这个模型,下面有排行榜，在有限的资源下Qwen2-7B是开源中的顶流了，70亿的体量能满足企业开展，如果资源不够可以搞小一点的模型，测试下来P100勉强可以跑，A10可以跑5并发 3000token）
docker exec -it ollama ollama run qwen2:72b
#进入容器
docker exec -it ollama bash
root@9592d72fca5b:/# ollama list
NAME ID SIZE MODIFIED
llama2-chinese:13b 990f930d55c5 7.4 GB 3 hours ago
qwen:0.5b-text-v1.5-q6_K c8c2e4f579df 514 MB 15 minutes ago
qwen:4b-chat d53d04290064 2.3 GB 5 hours ago
qwen:7b-chat-v1.5-q5_K_M 44ca6b3fda9d 5.5 GB About an hour ago
root@9592d72fca5b:/# ollama rm qwen:0.5b-text-v1.5-q6_K
deleted 'qwen:0.5b-text-v1.5-q6_K'
root@9592d72fca5b:/# ollama list
NAME ID SIZE MODIFIED
llama2-chinese:13b 990f930d55c5 7.4 GB 3 hours ago
qwen:4b-chat d53d04290064 2.3 GB 5 hours ago
qwen:7b-chat-v1.5-q5_K_M 44ca6b3fda9d 5.5 GB About an hour ago
ollama模型仓库（可以选择自己想用的模型安装体验）
ollama模型仓库
🏆 LMSYS Chatbot Arena Leaderboard(排行榜)
https://chat.lmsys.org/?leaderboard
https://cevalbenchmark.com/static/leaderboard.html
上面这个网站收集的模型比较
SuperCLUE
这部分是Qwen1.5的比对，目前已经到Qwen2.0了
