Skip to content

GitLab

Commit e3b597f3 authored by wangkx1's avatar wangkx1
Browse files

Delete 00-build_ollama_base.md

parent 031ac17f
Hide whitespace changes
Inline Side-by-side
Showing with 0 additions and 210 deletions
tutorial_ollama/00-build_ollama_base.md deleted 100644 → 0
View file @ 031ac17f
# 基于DCU开源代码适配Ollama
DCU上v0.3.5 ollama模型的调度策略和 NV一致。
教程见: [./tutorial_ollama/01-ollama_open-webui.md](./tutorial_ollama/01-ollama_open-webui.md)
## 适配步骤
工程地址：http://developer.hpccube.com/codes/wangkx1/ollama_dcu.git
### **1. 拉取工程, 根据readme解压构建ollama的压缩文件;**
```bash
git clone http://developer.hpccube.com/codes/wangkx1/ollama_dcu.git
cd ollama_dcu
cp -r /opt/hyhal ./
tar -zxvf cmake-3.29.3.tgz
```
### **2. 根据注释, 修改Dockerfile，构建ollama镜像修改后的Dockerfile 内容如下:**
```bash
FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-ubuntu20.04-dtk24.04.1-py3.10
# Set the working directory in the container
WORKDIR /app
COPY hyhal /opt/hyhal
COPY . /app/
RUN ls -h
# 如果拉取失败，更换python源
RUN pip install --no-cache-dir -r /app/ollama/llm/llama.cpp/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 当前设备型号（如：gfx906，gfx928等）
ENV AMDGPU_TARGETS=gfx928
# HSA_OVERRIDE_GFX_VERSION=设备型号（如: gfx906对应9.0.6；gfx928对应9.2.8）
ENV HSA_OVERRIDE_GFX_VERSION=9.2.8
ENV HIP_PATH=/opt/dtk/hip
ENV ROCM_PATH=/opt/dtk
ENV CMAKE_PREFIX_PATH=/opt/dtk/lib/cmake/amd_comgr:$CMAKE_PREFIX_PATH
ENV LIBRARY_PATH=/opt/dtk/llvm/lib/clang/15.0.0/lib/linux/:$LIBRARY_PATH
ENV HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
RUN tar -C /usr/local -xzf go1.22.3.linux-amd64.tar.gz
ENV PATH=/app/ollama:/usr/local/go/bin:$PATH
RUN go env -w GO111MODULE=on
RUN go env -w GOPROXY=https://goproxy.cn,direct
ENV PATH=/app/cmake-3.29.3-linux-x86_64/bin:$PATH
RUN cmake --version
WORKDIR /app/ollama/llm/generate
RUN bash gen_linux.sh
WORKDIR /app/ollama
RUN go build
WORKDIR /app
```
### **3. Dockerfile 修改完毕后, 执行如下命令, 开始构建镜像;**
```bash
# sudo docker build -t <镜像名字> . # ollama_k100ai 可以更改为自己想要的镜像名字
# 构建涉及到大规模的代码编译, 时间预计花费15分钟左右
sudo docker build -t ollama_k100ai_v0.3.5 .
```
### **4. 构建成功，查看镜像**
```bash
(base) sugon@ailab:~$ sudo docker images
[sudo] password for sugon:
REPOSITORY TAG IMAGE ID CREATED SIZE
ollama_k100ai_v0.3.5 latest b60143c747ea About a minute ago 19.7GB
image.sourcefind.cn:5000/dcu/admin/base/pytorch 2.1.0-ubuntu20.04-dtk24.04.1-py3.8 a474220de118 5 weeks ago 17.2GB
image.sourcefind.cn:5000/dcu/admin/base/pytorch 2.1.0-ubuntu20.04-dtk24.04.1-py3.10 a4dd5be0ca23 6 weeks ago 17.1GB
```
### **5. 进入容器**
进入指定文件夹： `cd tutorial_ollama`
<font color=red>**注意点:**</font>
- `launch_` 前缀的脚本之中的 `export MY_CONTAINER="sg_t0"`, `sg_t0` 是容器的名字，需要自己修改，使得名字需要唯一，才能启动属于自己的容器。如果名字重复很可能会进入别人的容器;
<font color=red>**进入容器的方法:**</font>
- 终端执行: `sudo bash launch_ollama.sh 1`
- 验证是否已经进入容器, 容器内部没有安装docker, 在终端执行docker, 如果执行失败, 则进入成功; 如果打印docker的参数介绍，则进入失败，需要重新执行`sudo bash launch_ollama.sh 1`
- 大家感兴趣的可以用大模型去了解下 `launch_ollama.sh` 的脚本内容
### **6. 启动 ollama**
<font color=red>**注意:**</font>
- 为了避免启动ollama服务时出现端口已经被占用的情况, 可以选择 1024-65535之间的任意端口重新设置;
- 使用 `export HIP_VISIBLE_DEVICES=` 指定使用哪张卡
- 将`ollama`加入环境变量: `export PATH=/app/ollama:$PATH`
- 如果有迁移的本地模型仓库, 需要增加环境变量: `export OLLAMA_MODELS=/local—model-path`
<font color=red>**设置关键环境变量步骤，只需要设置一次即可:**</font>
```bash
# 前提，确保已经进入容器
vim ~/.bashrc, 键盘输入 i
# export HIP_VISIBLE_DEVICES=0 # 不指定的话, 会默认使用所有卡。
export OLLAMA_HOST="0.0.0.0:28120(将28120替换为自己选择的端口号)"
export PATH=/app/ollama:$PATH
# 如果有迁移的本地模型仓库, 需要增加环境变量
export OLLAMA_MODELS=/local—model-path
切换至英文输入法, 键盘输入: Esc 后, 输入 wq + enter , 保存退出;
激活环境变量: source ~/.bashrc
```
<font color=red>**建议启动ollama容器的方法:**</font>
在终端执行:
`ollama serve &`
说明:
- 命令末尾使用`空格 + &`结尾, 直接将启动的ollama设置到后台执行, 如果需要停止 ollama 服务, 进入容器后, 执行 `pkill ollama`
### **7. ollama 拉取模型**
ollama 模型仓: https://ollama.com/library
<font color=red>**建议ollama拉取模型的方法:**</font>
- 前提:
1. 确保当前处于容器之中, 可以参考`1 进入容器`确认自己进入容器
2. 确保 ollama serve 命令已经执行;
- 运行命令: `ollama pull llava`
- 说明: `ollama pull <model-name:tag>`
- `<model-name:tag>` 可以从 https://ollama.com/library 参考;
### **8. 运行模型**
前提:
1. 确保当前处于容器之中, 可以参考`1 进入容器`确认自己进入容器
2. 确保 ollama serve 命令已经执行;
ollama 执行`run`命令, 会自动拉取模型
#### 8.1 ollama 运行对话大模型 llama3
运行命令: `ollama run llama3`
#### 8.2 ollama 运行多模态大模型 llava
运行命令: `ollama run llava`
对话过程中可以输入`本地图像的绝对路径`，多模态大模型会对图片内容自动进行一个描述
### **9. 自定义模型**
我们可以利用下载到本地的GGUF模型文件，创建一个Modelfile模型描述文件给ollama使用。
文件名称: llama3-zh.mf
文件内容:
---
FROM ./xxx.gguf
---
FROM 后面的内容是 GGUF模型文件 的路径，创建好模型描述文件后，我们使用ollama命令行工具即可将模型注册到本地:
ollama create llama3-zh -f ./xxx.mf
此时我们就可以使用`ollama list`和`ollama run`等命令操作这个模型了
### **10. ollama + open-webui**
见: [ollama_open-webui](./tutorial_ollama/01-ollama_open-webui.md)
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment