全网刷屏的 LLaMa3.1，2分钟带你尝个鲜
前天，带大家体验了用 Ollama 在本地部署了大模型：
不过为了带大家快速跑通流程，只用了最小的 qwen:0.5B 进行演示~
就在昨天，Meta 宣布 LlaMa 3.1 正式开源，叫板 OpenAI 闭源的 GPT-4o。
一经发布，LlaMa 3.1 就刷爆了各大自媒体平台~
Llama3.1 强在哪？
Llama 3.1 共包含 8b、70b 和 405b 三种模型，它们都有 128k 最大上下文，就这一点，已经强于一众大模型了。
从性能上来看，405b 模型在通识、数学、翻译等一系列方面，都能力压 GPT-4o一头，甚至和 Claude3.5-sonnet 不分伯仲。
即便是参数量更小的 8b 和70b 模型在同等参数规模的选手中依然优势明显：
部署体验
强不强，用了才知道！
今天就带大家尝个鲜，手把手在本地把 Llama3.1 的 8B 版本跑起来。
不需要有任何技术背景，只需几步走，小白也能完成。
1. 环境准备
Ollama 是目前最便捷的大模型本地部署工具。
还没搭建好的小伙伴，可以先参考猴哥前天的教程准备好环境：
Ollama 准备好之后，即刻启程~
2. 模型下载
特意上 Ollama 的模型库看了一眼，12 小时刚上线，已经有 154.4K 的下载量了，这火热程度，可见非凡~
不过，并不需要你手动下载，Ollma 已经通过极简的命令帮你搞定了，接着往下看。
3. 一键启动
如果你是采用 Docker 镜像部署的，首先需要进入容器：
docker exec -it ollama /bin/bash
如果你是裸机部署的，可以采用如下命令一键运行 llama3.1
ollama run llama3.1
默认下载 8b 模型，等待模型下载完成，终端输出如下，它来了。。。
pulling manifest
pulling 87048bcd5521... 100% ▕███████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 4.7 GB
pulling 8cf247399e57... 100% ▕███████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 1.7 KB
pulling f1cd752815fc... 100% ▕██████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 12 KB
pulling 56bb8bd477a5... 100% ▕███████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 96 B
pulling e711233e7343... 100% ▕███████████████████████████████████████████████████████████████████████████████████████████████████████████████▏ 485 B
verifying sha256 digest
writing manifest
removing any unused layers
success
>>> Send a message (/? for help)
当弹出提示：Send a message，你就可以与它进行互动了。
我们简单测试一下：
>>> 你是谁？
我是一款基于语言模型的人工智能-chatbot，我可以用自然语言理解并生成文本。
>>> Send a message (/? for help)
>>> 你可以教我学习 Python 么？
非常高兴地回答是！
我可以提供许多帮助您学习Python的资源：
1. **基本语法**: 我可以解释Python的基本语法，包括变量、数据类型、控制结构等。
2. **实例代码**: 我可以提供很多例子，帮助您理解如何使用Python来解决实际问题。
3. **常见问题**: 我可以回答您可能遇到的常见问题，如安装问题、错误处理等。
4. **学习指南**: 我可以推荐一些在线资源和教材，帮助您系统地学习Python。
您想要从哪里开始学习？
（例如：基础语法？实例代码？特定主题？）
我的服务器是用的甲骨文云的示例，配置 1C16G，跑 8B 的模型还是毫无压力的，不过速度嘛~ 还是不太能忍。
4. Open WebUI 使用
进入 Open WebUI ，可以看到 llama3.1 模型已经注册好了。
我们来问他一个最经典的问题：3.9 和 3.11 哪个大？
哎，看来这个难倒一众 LLM 的问题，llama3 也未能幸免~
即便是用上 反问 的策略，它也在像模像样地胡说八道~
也许，换用最强的 llama3.1 405B 会好很多，感兴趣且有资源测试大模型的小伙伴，快去试试吧~ 评论区等你。。。🤟🏻
目前解决这类问题还是得上 function call。在大模型没有完全解决幻觉问题之前，也许调用外部函数，是当前最靠谱的思路。
写在最后
作为开源大模型界的扛把子，LlaMA 从 1.0 成长到 3.1，造福了无数开发者和创业公司，很多垂类大模型都是基于 LlaMA 训练/微调。
正如 Meta 的 CEO 扎尔伯格所说：开源是 AI 前进的方向。
希望 AI 不再是束之高阁的黑科技，希望能帮到更多人学好/用好 AI，激发创造，丰富生活。
猴哥的文章偏实操，大家跟着走，可以一步一步学起来~
如果本文对你有帮助，欢迎点赞收藏备用！你的支持是我创作的最大动力。
原文地址：https://blog.csdn.net/u010522887/article/details/140704923
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！