是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型、降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如Qwen2、Llama3、Phi3、Gemma2等开源的大型语言模型。官网：https://ollama.com/，官方网站的介绍就一句话：Get up and running with large lan

①编辑/LLaMA-Factory/data/dataset_info.json文件。instruction 是给予模型的任务指令，明确告知模型需要完成的具体任务；我们的大模型经过训练数据集的数据后。以上就是我们训练大模型的小案例。同样在/LLaMA-Factory/data 目录下。在上方检查点选择我们的一个数据并点击chat进行测试。点击加载模型会出现一个对话窗口，现在我们进行一个测试。out

仓库地址：https://github.com/ggerganov/llama.cpp。LlaMA-Factory导出的模型转换格式。创建ModelFile文件。

【代码】docker启动minio。

网址：https://download.docker.com/linux/ubuntu/dists/focal/pool/stable/amd64/1.1、查看docker下运行的容器。1、docker离线安装包的下载。2、运行下面命令，开始安装。将提交的镜像打包成tar。3、检查安装是否成功。1.2、导出镜像文件。

【代码】docker启动minio。

是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型、降低使用大语言模型的门槛，使得大模型的开发者、研究人员和爱好者能够在本地环境快速实验、管理和部署最新大语言模型，包括如Qwen2、Llama3、Phi3、Gemma2等开源的大型语言模型。官网：https://ollama.com/，官方网站的介绍就一句话：Get up and running with large lan

仓库地址：https://github.com/ggerganov/llama.cpp。LlaMA-Factory导出的模型转换格式。创建ModelFile文件。

①编辑/LLaMA-Factory/data/dataset_info.json文件。instruction 是给予模型的任务指令，明确告知模型需要完成的具体任务；我们的大模型经过训练数据集的数据后。以上就是我们训练大模型的小案例。同样在/LLaMA-Factory/data 目录下。在上方检查点选择我们的一个数据并点击chat进行测试。点击加载模型会出现一个对话窗口，现在我们进行一个测试。out

仓库地址：https://github.com/ggerganov/llama.cpp。LlaMA-Factory导出的模型转换格式。创建ModelFile文件。