DeepSeek04-导出导入模型文件

一、导出备份模型:

  1. 预制条件:

    安装了"Git Bash",需要使用该软件,具体安装教程参见:
    超级详细的GitBash使用教程01

  2. 查看有哪些模型:

    shell 复制代码
    ollama list
  3. 备份模型:

    • 自己编写脚本back_model.sh,内容如下:

      bash 复制代码
      if [ $# -eq 0 ]; then
          echo "给出模型名"
          ollama list
          exit 0
      fi
      echo "$(date "+%Y-%m-%d %H:%M:%S")  :开始执行"
      model_name="$1"
      file_name=$(echo ${model_name}|sed 's/:/-_/'|sed 's/\//--/')
      src_file_name=$(ollama show --modelfile ${model_name} |grep "^FROM"|sed 's/FROM //')
      modelfile_name=".\\${file_name}.modelfile"
      ollama show --modelfile ${model_name} | sed "s#FROM ${src_file_name}#FROM ${dest_file_name}#" > ${modelfile_name}
      echo "$(date "+%Y-%m-%d %H:%M:%S")  :生成文件(${modelfile_name})"
      dest_file_name=".\\${file_name}.gguf"
      echo "$(date "+%Y-%m-%d %H:%M:%S")  :开始备份文件(${dest_file_name})............"
      cp "$src_file_name" "${dest_file_name}"
      echo "$(date "+%Y-%m-%d %H:%M:%S")  :开始备份文件(${dest_file_name})完成"
      echo "$(date "+%Y-%m-%d %H:%M:%S")  :执行成功!"
    • 备份命令:

      shell 复制代码
      ./back_model.sh deepseek-r1:1.5b
      ./back_model.sh deepseek-r1:deepseek-r1:7b
      ./back_model.sh deepseek-r1:deepseek-r1:8b
  4. 删除模型:

    shell 复制代码
    ollama rm deepseek-r1:7b
    ollama rm deepseek-r1:1.5b

二、导入备份模型:

  • 自己编写脚本import_model.sh,内容如下:
bash 复制代码
if [ $# -eq 0 ]; then
   echo "给出模型文件名(.modelfile)"
   ollama list
   ls -l
   exit 0
fi
echo "$(date "+%Y-%m-%d %H:%M:%S")  :开始执行"
modelfile_name="$1"
file_name=$(echo ${modelfile_name}|sed 's/.modelfile//')
model_name=$(echo ${file_name}|sed 's/-_/:/'|sed 's/--/\//')
ollama create $model_name -f $modelfile_name
echo "$(date "+%Y-%m-%d %H:%M:%S")  :执行成功!"
  • 导入命令:
shell 复制代码
```shell
./import_model.sh  deepseek-r1-_8b.modelfile

三、测试:

shell 复制代码
ollama run deepseek-r1:8b
shell 复制代码
>>> 你好吗?
<think>

</think>

你好!我是一个AI助手,没有情感,但随时准备为你提供帮助。你有什么问题或需要帮忙的地方吗?

© 著作权归作者所有

相关推荐
是乐谷8 分钟前
2025-05-19 代码人生 - 精选文章周刊
人工智能·python·程序人生·面试·职场和发展
Humbunklung17 分钟前
机器学习中的多GPU训练模式
人工智能·机器学习
灏瀚星空19 分钟前
PyTorch进阶实战指南:01自定义神经网络组件开发
人工智能·pytorch·神经网络
kebijuelun22 分钟前
BLIP3-o:理解和生成统一的多模态模型
人工智能·深度学习·语言模型·aigc·transformer
橙子小哥的代码世界24 分钟前
面向超大规模模型的提示词工程
深度学习·算法·大模型·提示词工程
飞凌嵌入式43 分钟前
【RK3588新品】嵌入式人工智能实验箱EDU-AIoT ELF 2发布
人工智能·嵌入式·飞凌嵌入式
攻城狮7号1 小时前
Java三十而立:Java 的30岁与Spring AI 1.0正式发布
java·人工智能·深度学习·ai·spring ai
jndingxin1 小时前
OpenCV CUDA 模块图像过滤------创建一个线性滤波器(Linear Filter)函数createLinearFilter()
人工智能·opencv·计算机视觉
jndingxin1 小时前
OpenCV CUDA模块图像过滤------创建一个盒式滤波器(Box Filter)函数createBoxFilter()
人工智能·opencv·计算机视觉
扫地僧9851 小时前
基于音频Transformer与动作单元的多模态情绪识别算法设计与实现(在RAVDESS数据集上的应用)
人工智能·深度学习·transformer·多模态·情绪识别