幾天前meta發布了史上最強開源大模型Llama3，要想免費使用Llama3，除了去官網 https://llama.meta.com/llama3/  在線使用外，還可以本地部署。

本地部署有多種方式，常見的有如下3種方式：

1. github倉庫clone后，https://github.com/meta-llama/llama3   安裝python，pip相關的包，官網在線填寫個人信息申請模型下載鏈接

2. LL-studio

3. ollama

其中以ollama部署最為便捷和友好，部署時間可在5分鐘內完成。本篇就介紹ollama本地部署llama3模型。

step1：ollama官網（https://ollama.com/download）下載ollama，有mac，windows，linux三個版本，選擇適合自己機器的版本下載并安裝。

圖片

step2：命令行執行ollama run llama3 （默認是下載8b的模型，若要下載40b的，執行 ollama run llama3:70b）

圖片

Llama3的最小版本8B和70B已經全面領先其他競爭對手的開源大模型。其中70B的模型相當于GPT-4的水平，其中8B和70B都可以在個人PC上跑起來，8B就是80億參數的模型只需要8G+的顯存就可以流暢跑起來，70B就是700億參數的模型雖然宣稱需要40G+的顯存，經測試在個人電腦的16G的顯存上也可以跑起來，就是吐字速度慢些。

模型下載完成后就進入命令行交互界面，這時候就可以和llama3聊天了。

step3（可選）：命令行交互畢竟沒有圖形化界面友好，可以任選一個界面。目前市面上的界面多如牛毛，這里以開源軟件chatbox為例，https://github.com/Bin-Huang/chatbox/releases

下載安裝后，進入設置，配置使用本地ollama的llama3模型，之后就可以愉快的聊天了。

圖片

除了通過圖形化界面和Llama3聊天外，還可以自己編程調用Llama3 的rest api，自動化讓AI完成很多本地工作。

調用llama3 rest api，參考官網說明：https://github.com/ollama/ollama/blob/main/docs/api.md

curl http://localhost:11434/api/chat -d '{
  "model": "llama3",
  "messages": [
    {
      "role": "user",
      "content": "why is the sky blue?"
    }
  ],
  "stream": false
}'

圖片