ubuntu中ollama设置记录

自己同一台电脑主机安装3080和3090显卡，测试发现ollama只默认跑在3090上；故查看一下设置，成功也把3080也运行起来了。

原因如下：

开始设置记录：

复制代码

Environment Variables:
OLLAMA_DEBUG
作用：显示额外的调试信息。
示例：export OLLAMA_DEBUG=1

OLLAMA_HOST
作用：指定 ollama 服务器的 IP 地址和端口（默认为 127.0.0.1:11434）。
示例：export OLLAMA_HOST=0.0.0.0:8080

OLLAMA_KEEP_ALIVE
作用：设置模型在内存中保持加载的时间（默认为 5m）。
示例：export OLLAMA_KEEP_ALIVE="10m"

OLLAMA_MAX_LOADED_MODELS
作用：指定每个 GPU 上可以同时加载的最大模型数。

OLLAMA_MAX_QUEUE
作用：设置允许排队的最大请求数量。

OLLAMA_MODELS
作用：指定存储模型的目录路径。

OLLAMA_NUM_PARALLEL
作用：设置允许同时处理的最大并行请求数量。

OLLAMA_NOPRUNE
作用：禁用启动时清理模型 blob 文件的功能。

OLLAMA_ORIGINS
作用：指定允许的跨域请求来源（以逗号分隔）。
示例：export OLLAMA_ORIGINS="http://example.com,https://localhost"

OLLAMA_SCHED_SPREAD
作用：强制将模型均匀分配到所有 GPU 上。

OLLAMA_FLASH_ATTENTION
作用：启用 Flash Attention（加速注意力机制）。

OLLAMA_KV_CACHE_TYPE
作用：设置 K/ V 缓存的量化类型（默认为 f16）。
示例：export OLLAMA_KV_CACHE_TYPE="q4_0"

OLLAMA_LLM_LIBRARY
作用：指定 LLM 库以绕过自动检测。

OLLAMA_GPU_OVERHEAD
作用：为每个 GPU 预留一部分 VRAM（以字节为单位）。

OLLAMA_LOAD_TIMEOUT
作用：设置模型加载的最大等待时间（默认为 5m）。
示例：export OLLAMA_LOAD_TIMEOUT="10m"

自己按照自己需求设置

复制代码

(phi) root@cl-System-Product-Name:/home/cl/桌面/临床数据# cat /etc/systemd/system/ollama.service
[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=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin"
Environment="OLLAMA_HOST=0.0.0.0:11434"
Environment="OLLAMA_NUM_PARALLEL=4"
Environment="OLLAMA_MAX_LOADED_MODELS=2"
Environment="CUDA_VISIBLE_DEVICES=0,1"
Environment="OLLAMA_SCHED_SPREAD=true"
DeviceAllow=gpu/*
[Install]
WantedBy=default.target

systemctl daemon-reload

systemctl restart ollama.service

确保ollama服务正常运行

systemctl status ollama.service