1.前提条件

ollama安装配置完成
在这里插入图片描述

2. 安装qwen3

在ollama官网添加链接描述模型中直接搜索qwen3
在这里插入图片描述
选qwen3点击进入
在这里插入图片描述
说明:Ollama运行会受所使用模型大小的影响

  • 运行一个7B（70亿参数）的模型至少需要8GB的可用内存(RAM)，而运行一个13B（130亿参数）的模型至少需要16GB的内存，33B（330亿参数）的模型至少需要32GB的内存
  • Ollama支持纯CPU运行,若电脑配备了NVIDIA GPU,可利用GPU进行加速,提高模型的运行速度和性能

根据电脑性能选中一个模型,运行命令直接从页面复制

ollama run qwen3:4b

在这里插入图片描述
在这里插入图片描述

3.退出

在这里插入图片描述

4.安装deepseek

模型中搜deepseek
在这里插入图片描述

ollama run deepseek-r1:8b

在这里插入图片描述

5.查看大模型

ollama list

在这里插入图片描述

Logo
亚马逊云科技技术品牌专区

更多推荐

cover

基于STM32的全屋环境智能监测与预警终端设计

avatar 亚马逊云科技技术品牌专区

Keras：面向人类的深度学习库

Keras3支持多后端（TensorFlow、PyTorch、JAX），通过设置环境变量切换，兼容指定版本。pip安装后可用Sequential API快速构建CNN模型，如MNIST分类示例，实

avatar 亚马逊云科技技术品牌专区

AI行业日报｜2026-09-25：5个热点事件

本期行业动态聚焦于端侧算力重构、自主智能体工作流、开发工具经济模型、网络隔离架构设计与公共部门合规审查。以下结合一线技术场景进行结构化梳理，供 AI 研究员与软件工程团队参考。 PrismML 正将其轻量级语言模型适配至搭载高通处理器的智能眼镜终端 1 。该平台的核心战略指向开源权重模型的本地化运行，旨在最大化挖掘穿戴设备现有算力的利用效率 1 。对于嵌入式与边缘计算开发者而言，此类微型模型向低功

avatar 亚马逊云科技技术品牌专区