google最新大语言模型gemma本地化部署

Gemma是google推出的新一代大语言模型，构建目标是本地化、开源、高性能。

     与同类大语言模型对比，它不仅对硬件的依赖更小，性能却更高。关键是完全开源，使得对模型在具有行业特性的场景中，有了高度定制的能力。

     Gemma模型当下有四个版本，Gemma 7b, 2b, 2b-it, 7b-it 。通俗来说，2b及精简小巧，覆盖了现代流行的语言，对硬件依赖小。7b是常规型的，要有的基本都有了，硬件上最低需要8gb内存（显存）。后缀带it的版本，可适用于nvidia较新显卡，支持int8(fp8), tensorrt核心。但我的40hx硬件被阉割太厉害，连fp16都跑不起来，就没测试了。

安装环境：

我的硬件环境是虚拟机环境，40hx显卡直通，linux系统，远程访问。软件环境需要目标是ollama及open-webui。ollama是大语言模型的一个运行环境，open-webui是基于openAI及ollama的一个前端界面。目前ollama只支持nvidia的GPU加速，别的显卡就不讨论了。

安装过程：

1. 虚拟机安装，这边需要注意的是，显卡必须直通，CPU必须在主机直通模式。不然GPU加速就不能成功。

2. 安装常用的软件，wget curl git nvidia-toolkit

3. 确认环境：nvidia-smi看一下显卡是不是正常驱动，cat /proc/cpuinfo 看一下AVX是否加载。这二点决定了GPU加速

4. 在linux上运行：（要科学）

curl -fsSL https://ollama.com/install.sh | sh

然后等待安装完成，安装完成后，执行 ollama run gemma:2b 或者 ollama run gemma:7b 等模型下载完毕后，就进入字符界面，你就可以跟机器交流了。按ctrl-d可退出。

5. 远程访问：

因为我是在服务器上安装的，操作需要在PC上，所以需要做一下远程

sudo nano /etc/systemd/system/ollama.service (我是ubuntu系统debian类似，其它系统查看services配置方法）

在nano中，[Service]下面加一行 Environment="OLLAMA_HOST=0.0.0.0:11434"

保存退出后，执行 sudo systemctl daemon-reload 再执行 sudo systemctl restart ollama 

PC端打开浏览器，访问http://你的服务器IP:11434 如果显示ollama表示已经成功了。

6. open-webui安装

    现在的linux发布版本，基本都预装了docker环境，如果你的linux刚好没有，就先安装docker

然后运行 sudo docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

其中3000可以换成你想要的发布端口。

等待安装完成后，访问http://你的服务器IP:3000

7. 配置

第一次登录是需要注册自己id的(sign up) 注册好后，进入系统，默认是已经可以找到ollama模型的。其它配置自己摸索吧，针对Gemma模型的关键配置是在setting下

点击上图这个Show, 然后找到 Context Length这是上下文中的内容关联长度，Ollama默认是2048, 所以你会发现跟机器聊几句就聊不到一起了，Gemma可以设置到8192，这样就可以愉快地聊上很久。另一个是Max Tokens，默认长度是128, Gemma据说可以达到6T个tokens, 这二个参数，在GPU加速时，一个是占了显存，一个是占了性能。ollama为了保持各种模型的兼容性，这二项参数上留得很保守，在Gemma与40hx这样的适配上，可适当增加。

教程结束，祝玩得愉快！