之前在window下安装过 Ollama和OpenWebUI搭建本地的人工智能web项目（可以看我之前写的文章），无奈电脑硬件配置太低，用qwen32b就很卡，卡出PPT了，于是又找了一台机器安装linux系统，在linux系统下测试一下速度能否可以快一些。

系统硬件介绍

Ubuntu 22.04.4 LTS

CPU: i5-10400F

内存：32G

硬盘： 512G SSD

显卡： NVIDIA GeForce GTX 1060 6GB

内网IP: 192.168.1.21

下载 Ollama

访问下载：

安装Ollama方法1、命令行下载安装(耗时长)

安装命令：

$ sudo apt  install curl$ curl -fsSL  | sh

缺点： 国内网络环境要等很久

方法2 , 手动下载安装

1、手动下载 这个文件

$ sudo mkdir ollamacd ollama$ sudo wget 

2、注释掉下载部分 curl xxxx 手动下载ollama-linux-{ARCH}

$ sudo vim install.sh修改文件：status "Downloading ollama..."#curl --fail --show-error --location --progress-bar -o $TEMP_DIR/ollama "{ARCH}${VER_PARAM}"

我电脑intel/amd cpu 所以 {ARCH} = amd64 浏览器下载 当然科学上网速度更快哟。 放在 install.sh 同目录下

3、注释掉 #$SUDO install -o0 -g0 -m755 $TEMP_DIR/ollama $BINDIR/ollama

改为下面一行：

$ sudo vim install.sh修改文件：status "Installing ollama to $BINDIR..."$SUDO install -o0 -g0 -m755 -d $BINDIR#$SUDO install -o0 -g0 -m755 $TEMP_DIR/ollama $BINDIR/ollama$SUDO install -o0 -g0 -m755 ./ollama-linux-amd64  $BINDIR/ollama

4 运行 install.sh ,安装

sh  ./install.sh

重启电脑

配置模型下载路径

cd sudo vim .bashrcsudo mkdir -p /home/star/ollama/ollama_cache

然后添加一行 配置 OLLAMA_MODELS 环境变量自定义路径

### ollama model dir 改为自己的路径# export OLLAMA_MODELS=/path/ollama_cacheexport OLLAMA_MODELS=/home/star/ollama/ollama_cache

如果开始没配置OLLAMA_MODELS ，默认路径是/usr/share/ollama/.ollama/models

启动ollama服务

# ollama --helpLarge language model runnerUsage:  ollama [flags]  ollama [command]Available Commands:  serve       Start ollama  create      Create a model from a Modelfile  show        Show information for a model  run         Run a model  pull        Pull a model from a registry  push        Push a model to a registry  list        List models  ps          List running models  cp          Copy a model  rm          Remove a model  help        Help about any commandFlags:  -h, --help      help for ollama  -v, --version   Show version informationUse "ollama [command] --help" for more information about a command.

提示

star@star-ai:~$ ollama serveCouldn't find '/home/star/.ollama/id_ed25519'. Generating new private key.Your new public key is: ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIPmYsSi6aIsyhC4EHEsCdBtSOqnfKmNVSf0Ofz9sVzyBError: listen tcp 127.0.0.1:11434: bind: address already in use

说明已经运行

修改ollama端口

vim /etc/systemd/system/ollama.service在 [Service] 下添加  Environment="OLLAMA_HOST=0.0.0.0"cat /etc/systemd/system/ollama.service[Unit]Description=Ollama ServiceAfter=network-online.target[Service]ExecStart=/usr/local/bin/ollama serveUser=ollamaGroup=ollamaRestart=alwaysRestartSec=3Environment="PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin"Environment="OLLAMA_HOST=0.0.0.0"[Install]WantedBy=default.target

重新加载配置，重启ollama

systemctl daemon-reloadsystemctl restart ollama关闭服务systemctl stop ollama启动服务systemctl start ollama

ollama run  qwen

一键安装脚本

sudo curl -sSL  | sh安装完成之后star@star-ai:~$ sudo docker --versionDocker version 26.1.3, build b72abbb

Open WebUI是一个用于在本地运行大型语言模型（LLM）的开源Web界面。

参考： -

docker安装open-webui

$ 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

要运行支持 Nvidia GPU 的 Open WebUI，请使用以下命令：

$ sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda

改国内的地址

$ sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always  registry.cn-shenzhen.aliyuncs.com/funet8/open-webui:cuda

报错：

sudo docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always  registry.cn-shenzhen.aliyuncs.com/funet8/open-webui:cuda254b47e7994b2f0087ce0058918621523b39cf9b0e89018777c0cf98943ba2d1docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].

ubuntu识别不了我的显卡

$ sudo nvidia-smiFri May 17 18:37:15 2024       +-----------------------------------------------------------------------------------------+| NVIDIA-SMI 550.54.15              Driver Version: 550.54.15      CUDA Version: 12.4     ||-----------------------------------------+------------------------+----------------------+| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC || Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. ||                                         |                        |               MIG M. ||=========================================+========================+======================||   0  NVIDIA GeForce GTX 1060 6GB    Off |   00000000:01:00.0 Off |                  N/A || 40%   33C    P8              6W /  120W |      65MiB /   6144MiB |      0%      Default ||                                         |                        |                  N/A |+-----------------------------------------+------------------------+----------------------+                                                                                         +-----------------------------------------------------------------------------------------+| Processes:                                                                              ||  GPU   GI   CI        PID   Type   Process name                              GPU Memory ||        ID   ID                                                               Usage      ||=========================================================================================||    0   N/A  N/A      1030      G   /usr/lib/xorg/Xorg                             56MiB ||    0   N/A  N/A      1109      G   /usr/bin/gnome-shell                            4MiB |+-----------------------------------------------------------------------------------------+

安装nvidia-container-toolkit： 确保你已经安装了nvidia-container-toolkit，并配置Docker以使用该工具包：

sudo apt-get updatesudo apt-get install -y nvidia-container-toolkitsudo systemctl restart docker

检查Docker默认运行时配置： 确保Docker的默认运行时设置为nvidia。编辑Docker的配置文件（通常位于/etc/docker/daemon.json），并添加或修改如下内容：

sudo vim /etc/docker/daemon.json添加：{  "default-runtime": "nvidia",  "runtimes": {    "nvidia": {      "path": "nvidia-container-runtime",      "runtimeArgs": []    }  }}编辑完文件后，重启Docker服务：sudo systemctl restart docker

检查NVIDIA Container Runtime兼容性： 确保你的NVIDIA Container Runtime版本与Docker版本兼容。可以通过以下命令查看版本：

sudo docker versionnvidia-container-runtime --version

完成上述步骤后，再次尝试运行你的Docker命令。如果问题仍然存在，请提供更多的系统信息和日志，以便进一步诊断问题。

sudo docker start open-webui

用IP+端口访问

修改语言为中文

OpenWebUI默认是英文的，所以修改语言为简体中文。

OpenWebUI不能连接Ollama

报错：WebUI could not connect to ollama

修改地址：

再下载千问的模型 qwen

下载大模型

ollama官方的模型仓库参见这里：

根据自己的CPU和GPU选择合适的大模型，否则会很卡。

比如测试用的1060使用qwen:72b就很卡，问一个问题要等很久，几乎是不能用的状态。

阿里巴巴的大模型：ollama run  qwenollama run qwen:14bollama run qwen:32bollama run qwen:72bollama run qwen:110b   # 110b 表示该模型包含了 1100 亿（110 billion）个参数脸书大模型：ollama run llama2ollama run llama3ollama run llama3:8b谷歌的大模型：ollama run gemma微软的大模型ollama run phi3

显示所有模型# ollama list删除模型# ollama rm llama3:latest

nvidia-smi

确实在ubuntu20.04系统下确实比window10系统使用Ollama更加流畅。