公司内网部署大模型的探索之路

使用场景

公司的办公环境是内网,不和互联网相连(保密单位,别问为啥这样),要更新个项目依赖啥的,很麻烦,要使用U盘来回拷贝文件,这是前提,我现在要在内网环境部署大模型,也是一波三折,以下是我的探索之路

  1. 在外网使用docker 运行 ollama 镜像,由于我本地电脑是mac电脑,服务是linux,因为是要把容器导出为镜像文件拿到内网使用,所以拉取镜像的时候要指定宿主机架构,不然的话,导出的镜像文件在服务器无法运行
bash 复制代码
docker pull --flatform=linux/amd64 ollama/ollama:latest
css 复制代码
docker run -d --name ollama-test -p 11434:11434 ollama/ollama:latest
  1. 运行一个ollama容器,然后进入到该容器内部,用ollama指令安装指定大模型
arduino 复制代码
docker exec -it ollama-test bash
//这里以deepseek-r1:1.5b 为例子
ollama run deepseek-r1:1.5b
  1. 这时候是可以在本机使用chatbox链接使用容器内的大模型的,具体步骤不在这里细说

4. 把运行中的容器提交为本地镜像,这样你的镜像里就带上了你安装的大模型

arduino 复制代码
docker commit xxx yyy:latest
// xxx 为容器名或者id yyy:latest 是你自定义的镜像名和版本号
  1. 把本地自定义镜像导出为镜像文件
xml 复制代码
docker save -o <filename>.tar <image_name>
  1. 把镜像文件拷到内网,使用docker加载你的镜像文件,前提条件是内网必须有docker环境
css 复制代码
docker load -i /path/to/your/image.tar

到此为止,你的内网就有携带大模型的ollama镜像了,你把容器运行起来,你再把chatbox安装包也拷到内网,就可以愉快的玩耍了

如何新增其他大模型到内网

现在的大模型有很多,功能各不相同,你可以多安装几个大模型,再导出镜像文件,拿到内网使用,安装了大模型的镜像文件会很大,我也就安装了上图的几个小模型,文件的体积就已经达到了30G以上,但是这不失为一种笨方法。大力出奇迹,但是作为一个程序员,我们总是要探索更省时省力的办法,以下是我个人探索的方法。

  1. 重新运行一个空白的ollama容器,把你要新增的大模型安装上
  2. 使用docker cp指令把容器内的模型文件拷贝出来,拿到内网,放到指定的位置即可,主要有两类文件需要拷贝,模型配置文件和模型数据文件,这两类文件的目录分别是
ruby 复制代码
// 模型数据文件在 /root/.ollama/models/blobs
docker cp bff31133b939:/root/.ollama/models/blobs/. ./blobs
// 我这个指令的意思是 把 容器内的数据文件拷贝到 本机的当前目录的blobs文件夹下,你也可以使用绝对路径
docker cp bff31133b939:/root/.ollama/models/manifests/registry.ollama.ai/library/. ./
// 这个指令的意思是把这个模型的配置文件拷贝当当前目录下,你也可以使用绝对路径

以下是我拷贝出来的deepseek-r1:8b的配置文件和数据文件截图

  1. 把这两个文件拷贝到内网,放到以前的容器里对应的目录下,这样你内网的容器就新增了你这次导入的模型

疑问:有些老司机看到这里就郁闷了,运行容器时候直接用数据卷功能,把容器内的目录挂载出来,这样就不用进入到容器内拷贝文件了,哈哈哈哈哈 皮裤套棉裤!必定有缘故,我刚开始也是这样想的,但是我试了好多次,运行容器时使用数据卷功能根本就运行不了,大致原因是我用的是mac电脑,是arm64架构,我使用的容器是amd64架构,它两的文件系统不兼容,无法直接使用数据卷功能,到这里有小伙伴找到更好的办法了一定要教教我,感谢!

相关推荐
1024肥宅7 小时前
手写 EventEmitter:深入理解发布订阅模式
前端·javascript·eventbus
背心2块钱包邮8 小时前
第7节——积分技巧(Integration Techniques)-代换积分法
人工智能·python·深度学习·matplotlib
码事漫谈8 小时前
C++异常安全保证:从理论到实践
后端
码事漫谈9 小时前
C++对象生命周期与析构顺序深度解析
后端
无心水9 小时前
【分布式利器:大厂技术】4、字节跳动高性能架构:Kitex+Hertz+BytePS,实时流与AI的极致优化
人工智能·分布式·架构·kitex·分布式利器·字节跳动分布式·byteps
阿正的梦工坊9 小时前
DreamGym:通过经验合成实现代理学习的可扩展化
人工智能·算法·大模型·llm
海市公约9 小时前
HTML网页开发从入门到精通:从标签到表单的完整指南
前端·ide·vscode·程序人生·架构·前端框架·html
湘-枫叶情缘9 小时前
人脑生物芯片作为“数字修炼世界”终极载体的技术前景、伦理挑战与实现路径
人工智能
Aaron15889 小时前
侦察、测向、识别、干扰一体化平台系统技术实现
人工智能·fpga开发·硬件架构·边缘计算·信息与通信·射频工程·基带工程