~/ / Yerel LLM'i kendi sunucunuzda çalıştırın

Yerel LLM'i kendi sunucunuzda çalıştırın

Ollama'yı kendi bilgisayarınızda veya bir VPS'te çalıştırmak için, gereken sırayla araçlar. Bir modelin ihtiyaç duyduğu belleği tahmin edin, sunucuyu systemd ile çalışır durumda tutun, nginx arkasında güvenle yayınlayın ve API'sini çağırın. Bir şey çalışmadığında yanıtlarını, modelin ayrıntılarını ve sunucu günlüğünü okuyun.

Araçlar, kullanım sırasına göre

  1. Yerel bir LLM'in gereken belleği: model dosyası artı KV önbelleğiLocal LLM Memory EstimatorVPS'te yerel bir LLM için gereken belleği tahmin edin: model dosyası artı KV önbelleği
  2. Ollama için systemd geçersiz kılma dosyası oluşturun: OLLAMA_HOST, OLLAMA_MODELS, KEEP_ALIVE ve daha fazlasıOllama systemd Override GeneratorOllama'nın ortam değişkenleri için systemd'nin okuduğu biçimde tırnaklı bir geçersiz kılma dosyası oluşturun
  3. Ollama için nginx yapılandırması oluşturun: HTTPS, temel kimlik doğrulama, izin verilen adresler, akışOllama nginx Config GeneratorOllama için HTTPS, parola ve akış içeren bir nginx server bloğu oluşturun
  4. Ollama'nın /api/chat uç noktasına curl isteği oluşturun: format, tools, think, optionsOllama API Request BuilderOllama'nın /api/chat uç noktasına format, tools, think ve options içeren bir curl isteği oluşturun
  5. Sohbet isteklerini ve yanıtlarını Ollama /api/chat ile /v1/chat/completions arasında dönüştürünOllama OpenAI ConverterSohbet isteklerini ve yanıtlarını Ollama /api/chat ile /v1/chat/completions arasında dönüştürün
  6. Akış halindeki Ollama yanıtını birleştirin, hızı ve durma nedenini görünOllama Stream ReaderAkış halindeki bir Ollama yanıtını yeniden birleştirin, neden durduğunu ve ne kadar hızlı çalıştığını görün
  7. ollama show okuyun: bağlam, katmanlar, yetenekler, lisans, KV önbelleğiOllama Model Info Readerollama show veya /api/show okuyun: bağlam, katmanlar, yetenekler, lisans ve KV önbelleği boyutu
  8. Ollama sunucu logunu okuyun: bellek, GPU katmanları, bağlam, hız, uyarılarOllama Log ReaderBir Ollama sunucu logunu okuyun: model yükleme başına bellek, GPU katmanları, bağlam, hız ve uyarılar

Bu konudaki makaleler

Diğer konular