ollama-python-Python快速部署Llama 3等大型语言模型最简单方法

ollama介绍

在本地启动并运行大型语言模型。运行Llama 3、Phi 3、Mistral、Gemma和其他型号。

Llama 3

Meta Llama 3 是 Meta Inc. 开发的一系列最先进的模型，提供8B和70B参数大小（预训练或指令调整）。

Llama 3 指令调整模型针对对话/聊天用例进行了微调和优化，并且在常见基准测试中优于许多可用的开源聊天模型。

安装

pip install ollama

高性价比GPU资源：https://www.ucloud.cn/site/active/gpu.html?ytag=gpu_wenzhang_tongyong_shemei

用法

import ollamaresponse = ollama.chat(model=’llama2′, messages=[ { ‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’, },])print(response[‘message’][‘content’])

流式响应

可以通过设置stream=True、修改函数调用以返回 Python 生成器来启用响应流，其中每个部分都是流中的一个对象。

import ollama stream = ollama.chat( model=’llama2′, messages=[{‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’}], stream=True, ) for chunk in stream: print(chunk[‘message’][‘content’], end=”, flush=True)

应用程序编程接口

Ollama Python 库的 API 是围绕Ollama REST API设计的

聊天

ollama.chat(model=’llama2′, messages=[{‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’}])

新增

ollama.generate(model=’llama2′, prompt=’Why is the sky blue?’)

列表

ollama.list()

展示

ollama.show(‘llama2’)

创建

modelfile=”’ FROM llama2 SYSTEM You are mario from super mario bros. ”’ ollama.create(model=’example’, modelfile=modelfile)

复制

ollama.copy(‘llama2’, ‘user/llama2’)

删除

ollama.delete(‘llama2’) Pull ollama.pull(‘llama2’) push ollama.push(‘user/llama2’)

嵌入

ollama.embeddings(model=’llama2′, prompt=’The sky is blue because of rayleigh scattering’)

定制客户端

可以使用以下字段创建自定义客户端：

• host：要连接的 Ollama 主机
• timeout: 请求超时时间

from ollama import Client client = Client(host=’http://localhost:11434′) response = client.chat(model=’llama2′, messages=[ { ‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’, }, ])

异步客户端

import asyncio from ollama import AsyncClient async def chat(): message = {‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’} response = await AsyncClient().chat(model=’llama2′, messages=[message]) asyncio.run(chat())

设置stream=True修改函数以返回 Python 异步生成器：

import asyncio from ollama import AsyncClient async def chat(): message = {‘role’: ‘user’, ‘content’: ‘Why is the sky blue?’} async for part in await AsyncClient().chat(model=’llama2′, messages=[message], stream=True): print(part[‘message’][‘content’], end=”, flush=True) asyncio.run(chat())

错误

如果请求返回错误状态或在流式传输时检测到错误，则会引发错误。

model = ‘does-not-yet-exist’try: ollama.chat(model)except ollama.ResponseError as e: print(‘Error:’, e.error)if e.status_code == 404: ollama.pull(model)

文章来源于互联网:ollama-python-Python快速部署Llama 3等大型语言模型最简单方法

相关推荐: stable diffusion实践操作-宽高设置以及高清修复

系列文章目录 stable diffusion实践操作 前言 主要介绍SD的宽高设置以及高清修复 基础模型都是通过512512的图像集训练的，所以我们采用SD1.5模型的时候，宽高不要超过512512，否则，图像就会出现不可以控. 但是在实际工作中，我们需要更…