在linux上部署ollama+open-webu,且局域网访问教程

在linux上部署ollama+open-webu,且局域网访问教程

本文主要介绍如何在Windows系统快速部署Ollama开源大语言模型运行工具,并使用Open WebUI

经使用,qwen2.5:32b模型效果很好,在24gb模型上速度很快

目录

Ollama支持当前主要的开源大模型, 比如llama2、千文qwen、mistral等,可以在Windows、Linux、MacOS系统上进行部署。稳定性和便利性都非常不错,下面就来分享一下它在Linux系统上的安装与应用。

运行ollama

运行后直接自动安装

bash 复制代码
curl -fsSL https://ollama.com/install.sh | sh

ollama运行

现在Ollama已经安装完了,我们需要在终端中输入下方命令运行一个大语言模型进行测试,这里以对在中文方面表现相对好些的千问为例,大家也可以使用其他的模型。

bash 复制代码
ollama serve

在另一个终端中,验证 Ollama 是否正在运行:

bash 复制代码
ollama -v

设置ollama的参数设置,/etc/systemd/system/ollama.service

bash 复制代码
sudo vim /etc/systemd/system/ollama.service

输入以下的参数:

bash 复制代码
[Unit]
Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/local/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
Environment="PATH=/home/lvting/anaconda3/bin:/home/lvting/anaconda3/bin:/home/lvting/anaconda3/condabin:/home/lvting/.vscode-server/cli/servers/Stable-384ff7382de624fb94dbaf6da11977bba1ecd427/server/bin/remote-cli:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin"
Environment="OLLAMA_MODELS=/data/lt/1/.ollama/" # 设置模型下载的路径
Environment="OLLAMA_HOST=0.0.0.0" #可访问
Environment="OLLAMA_ORIGINS=*" 
[Install]
WantedBy=default.target

然后启动服务:

bash 复制代码
sudo systemctl daemon-reload
sudo systemctl enable ollama
sudo systemctl start ollama
sudo systemctl status ollama

这样说明就启动了
运行qwen2.5模型

bash 复制代码
ollama run qwen2.5:3b

然后直接输入问题就可以回答了

open-webui

虽然直接使用ollama的方法可以用,但是不太方便,使用webui的可视化更简洁明了

安装open-webui

首先在linux中安装open-webui:

使用默认配置安装:

刚才 Ollama 在您的计算机上,请使用以下命令:
使用这个命令:

bash 复制代码
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

因为我已经安装完成了,且open-webui服务已经启动,所以输入命令后会提示

bash 复制代码
sudo docker ps # 输入这个命令可以查看到正在运行的docker

以下为其他选项:

如果 Ollama 位于其他服务器上,请使用以下命令:

要连接到另一台服务器上的 Ollama,请将 更改为服务器的 URL:OLLAMA_BASE_URL:

这个此次不介绍,下次尝试使用

bash 复制代码
docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

要运行支持 Nvidia GPU 的 Open WebUI,请使用以下命令:

bash 复制代码
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

安装完成后,open-webui的网站为http://&{ip}:3000/

此处需要将网站的ip修改服务器内网的ip:

bash 复制代码
ifconfig # 查看服务器ip
然后打开网站如:
http://192.168.1.23:3000/

这里可以选择模型

(待实现)下一期将加入内网穿透,实现外网访问功能

相关推荐
2501_941329727 分钟前
【AI】使用YOLO11-C3k2-LFEM模型实现车窗识别,精准定位车辆玻璃区域,智能驾驶辅助系统必备技术_1
人工智能
苦逼IT运维8 分钟前
从 0 到 1 理解 Kubernetes:一次“破坏式”学习实践(一)
linux·学习·docker·容器·kubernetes
蘑菇物联16 分钟前
厂区大、公辅车间分散、怎么管?
人工智能·科技
七牛云行业应用17 分钟前
3.5s降至0.4s!Claude Code生产级连接优化与Agent实战
运维·人工智能·大模型·aigc·claude
微软技术分享21 分钟前
Windows 环境下 llama.cpp 编译 + Qwen 模型本地部署全指南
人工智能
2501_9453184929 分钟前
CAIE证书是否可查、可验证?
人工智能
weixin_4166600730 分钟前
技术分析:豆包生成带公式文案导出Word乱码的底层机理
人工智能·word·豆包
爱吃泡芙的小白白34 分钟前
深入浅出:卷积神经网络(CNN)池化层全解析——从MaxPool到前沿发展
人工智能·神经网络·cnn·池化层·最大值池化·平均值池化
野犬寒鸦38 分钟前
从零起步学习并发编程 || 第五章:悲观锁与乐观锁的思想与实现及实战应用与问题
java·服务器·数据库·学习·语言模型