如何在离线的Linux服务器上部署 Ollama，并使用 Ollama 管理运行 Qwen 大模型

手动安装 Ollama

根据Linux的版本下载对应版本的 Ollama，

• 查看Linux CPU型号，使用下面的命令

#查看Linux版本号
cat /proc/version
#查看cpu架构
lscpu

• x86_64 CPU选择下载ollama-linux-amd64；aarch64|arm64 CPU选择下载ollama-linux-arm64

安装和运行

• 在有网络的环境下载好tgz安装包，并上传到离线 Linux 服务器
• 安装，使用下面的命令：

sudo tar -C /usr -xzf ollama-linux-amd64.tgz

• 启动 Ollama，使用下面的命令：

ollama serve

• 另外启动一个终端验证是否运行成功，使用下面的命令：

#查看所有下载的模型
ollama list

这样 Ollama 就算安装完成了。之所以下载 Ollama，是因为 Ollama 提供了大模型运行的所有环境，使用它能方便的在本地运行各种 LLM。

在 Ollama 上部署 Qwen2.5

下载 Qwen2.5

• 在国内 AI 社区 ModelScope 下载 Qwen2.5 模型，国外的 AI 社区 Hugging Face 也可以下载，不过要想下载国外的大模型，例如 Llama，需要填写联系信息进行申请，不过申请了也不一定会给过的。

• 推荐使用 Git 下载，使用下面的命令：

git lfs install
git clone https://www.modelscope.cn/Qwen/Qwen2.5-1.5B-Instruct.git

从 Safetensors 导入模型

• Git 克隆下来的仓库会包含一个 model.safetensors 文件，需要将其格式转换为二进制 .bin 形式，才能由 Ollama 着手导入进行管理。

• 大模型格式转换主要用到一个工具 llama.cpp，使用下面的命令同步 llm/llama.cpp 子模块：

#首先克隆 Ollama 仓库
git clone [git@github.com](mailto:git@github.com):ollama/ollama.git ollama
cd ollama

#然后同步子模块
git submodule init
git submodule update llm/llama.cpp

#接着安装 python 依赖
python3 -m venv llm/llama.cpp/.venv
source llm/llama.cpp/.venv/bin/activate
pip install -r llm/llama.cpp/requirements.txt

• 转换模型Qwen2.5，使用下面的命令：

python llm/llama.cpp/convert_hf_to_gguf.py ./model --outtype f16 --outfile converted.bin

• 编写模型文件 Modelfile (没有后缀名)，文件内容如下：

FROM converted.bin
TEMPLATE """{{ if .System }}<|im_start|>system
{{ .System }}<|im_end|>
{{ end }}{{ if .Prompt }}<|im_start|>user
{{ .Prompt }}<|im_end|>
{{ end }}<|im_start|>assistant
"""
SYSTEM """
你是一个乐于助人的助手，但你会用20世纪30年代黑手党暴徒的风格去回答问题
"""

• 将转换后的 .bin 文件和 Modelfile 文件上传到离线的 Linux 服务器的同一目录下，使用下面的命令导入到 Ollama：

ollama create Qwen2.5 -f Modelfile

• 查看和运行大模型，使用下面的命令：

#查看大模型信息
ollama show Qwen2.5

#查看 Ollama 管理的所有大模型
ollama list

#运行大模型
ollama run Qwen2.5

#查看正在运行的大模型
ollama ps

这样 Qwen2.5 就算导入成功了，实际上 llama 工具还可对大模型进行量化，量化后的大模型会更加精确，更加节省系统资源，有关量化的信息可自行研究。