AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Ollama 更新!本地跑 LLama3.2,轻量级+视觉能力,能媲美GPT-4o?
发布日期:2024-11-13 08:01:22 浏览次数: 2259 来源:猴哥的AI知识库


前段时间,Meta 开源了 Llama 3.2 轻量化模型,为移动端跑大模型提供了新选择!

同时,Llama 3.2 视觉模型(Llama 3.2 Vision)也正式开源,号称媲美 GPT-4o。

前两天,Llama 3.2 Vision 已在 Ollama 上线!

今日分享,就对它实测一番。

最后,应用到我们上篇的票据识别任务中,看看效果真有官宣的那么惊艳么?

1. Llama 3.2 亮点

老规矩,还是简短介绍下:Llama 3.2 都有哪些亮点

一句话:轻量化 + 视觉多模态能力!

具体点:

  • 文本模型:有 1B 和 3B 版本,即便参数少,也支持128k tokens的上下文长度;基于LoRA和SpinQuant 对模型进行深度优化,内存使用量减少41%推理效率翻了2-4倍
  • 多模态模型:有 11B 和 90B 版本,在视觉理解方面,与Claude3 Haiku和GPT 4o-mini 可 PK。

2. Llama 3.2 实测

Ollama 是面向小白友好的大模型部署工具,为此本篇继续采用 Ollama 跑 Llama 3.2。

不了解 Ollama 的小伙伴,可翻看教程:

本地部署大模型?Ollama 部署和实战,看这篇就够了

2.1 环境准备

参考上述教程,假设你在本地已经准备好 Ollama。

当前 Ollama Library 中已支持 Llama 3.2 下载,因此,一行命令拉起 llama3.2-vision。

ollama run llama3.2-vision

如果遇到如下报错:

pulling manifest 
Error: pull model manifest: 412: 

The model you are attempting to pull requires a newer version of Ollama.

说明你的 ollama 版本需要更新了。

如果你也和我一样,采用 docker 安装,则需要删除容器,重新下载最新镜像进行安装:

docker stop ollama
docker rm ollama
docker image rm ollama/ollama
# 注:海外镜像,国内用户需自备梯子
docker pull ollama/ollama

可以发现,当前最新版本为 0.4.1:

ollama --version
ollama version is 0.4.1

然后,再起一个容器:

docker run -d --gpus "device=2" -v ollama:/root/.ollama -p 3002:11434 --restart unless-stopped --name ollama ollama/ollama

注:我这里指定 --gpus "device=2",如果单张显存不够,需指定多张卡,Ollama 会帮你自动分配。

显存占用情况如何?

2.2 文本模型

进入容器,并下载模型 llama3.2 3B版本:

docker exec -it ollama /bin/bash
ollama run llama3.2

显存占用:请确保至少 4 G 显存。

2.3 多模态模型

进入容器,并下载模型 llama3.2-vision 11B版本:

docker exec -it ollama /bin/bash
ollama run llama3.2-vision

显存占用:请确保至少 12 G 显存。

注:ollama 中模型默认采用了 4bit 量化。

3. 接入 Dify

3.1 模型接入

要把 Ollama 部署的模型接入 Dify 有两种方式。

首先,找到设置 - 模型供应商。

方式一:找到 Ollama 类型,然后进行添加,记得把Vision能力打开:

方式二:

把 Ollama 模型接入 OneAPI,然后在模型供应商这里选择 OpenAI-API-compatible

不了解 OneAPI 的小伙伴可以回看教程:一键封装成OpenAI协议,强推的一款神器!

个人更推荐 方式二,你会体会到接口统一的快乐~

3.2 应用集成

最后,我们在上篇的基础上,把用到 Qwen2-VL 的组件,LLM 全部替换成刚刚接入的 llama3.2-vision,如下图:

实测效果咋样?

嗯~ o( ̄▽ ̄)o  价格等基本信息还是抓到了。

只是,相比上篇实测的 Qwen2-VL 就差点意思了:

  • 从中文指令遵循上看:给到同样的提示词,llama3.2-vision 压根不按你的意图来;
  • 从识别结果上看:中文 OCR 也被 Qwen2-VL 甩开好几条街。

当然,换用 90B 的模型会不会好很多?感兴趣的朋友可以试试~


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询