🚀 LlamaFactory 模型导入 Ollama 的步骤
整个过程主要分为两大部分：转换模型格式和导入 Ollama。
第一步：将 LlamaFactory 训练结果转换为 GGUF 格式
LlamaFactory 导出的模型权重通常是Hugging Face 格式（包含safetensors或 PyTorch 的.bin文件以及配置）。您需要使用llama.cpp提供的工具将其转换为 GGUF 格式。
1. 准备llama.cpp环境
- 首先，您需要克隆并编译
llama.cpp仓库。
gitclone https://github.com/ggerganov/llama.cppcdllama.cppmake2. 转换模型
- 进入
llama.cpp目录后，使用convert.py或convert_hf_to_gguf.py脚本来执行转换。 - 如果是全量微调（Full Fine-Tuning）或合并了 LoRA 权重后的模型：
# 假设您的模型路径是 /path/to/your/lf_modelpython3 convert.py /path/to/your/lf_model --outfile /path/to/output/model.gguf- 如果是 LoRA 适配器（Adapter）：
您需要先将 LoRA 权重与基础模型合并，再进行 GGUF 转换。LlamaFactory 通常提供了一键合并的脚本或功能。如果您在 LlamaFactory 训练时选择了保存合并后的模型，请使用合并后的模型路径进行转换。
3. 进行量化（可选但推荐）
- GGUF 格式支持量化，可以大幅减小模型大小和显存/内存占用。您可以使用
quantize工具对生成的 GGUF 文件进行量化（例如，转换为Q4_K_M格式）。
./quantize /path/to/output/model.gguf /path/to/output/model-quantized.gguf Q4_K_M- 推荐的量化方法包括：
Q4_K_M,Q5_K_M,Q8_0等。
第二步：在 Ollama 中导入 GGUF 模型
一旦您获得了 GGUF 格式的模型文件（例如my-finetune-model.gguf），就可以通过创建一个Modelfile将其导入 Ollama。
1. 创建 Modelfile
- 在一个新的文件夹中创建一个名为
Modelfile的文件（注意：没有扩展名）。这个文件告诉 Ollama 如何加载和运行您的模型。
# Modelfile 的内容示例 FROM /path/to/your/my-finetune-model.gguf # 可选：定义模型在聊天中的行为，例如系统提示（System Prompt） # system """ # 你是一个乐于助人的 AI 助手，由 LlamaFactory 微调。 # """ # 更多可选参数，如温度、上下文大小等 # PARAMETER temperature 0.8 # PARAMETER num_ctx 4096 # 可选：定义提示模板，取决于您的模型微调时使用的格式 # TEMPLATE """{{ .Prompt }}"""提示：
FROM后的路径必须是您的 GGUF 文件的完整路径或相对路径。如果您不知道如何编写提示模板，可以参考 LlamaFactory 训练时使用的原始模型模板。
2. 导入模型到 Ollama
- 在包含
Modelfile的目录下打开终端，运行ollama create命令来创建模型。
ollama create<您想给模型起的名字，例如 my-lf-model>-f Modelfile- 导入过程会比较快，因为它只是将 GGUF 文件注册到 Ollama 中。
3. 运行您的新模型
- 导入成功后，您就可以运行它进行测试了。
ollama run<您给模型起的名字>💡 总结流程
| 步骤 | 动作 | 工具 | 结果 |
|---|---|---|---|
| 1. 转换 | 将 Hugging Face 格式的模型转换为 GGUF 格式。 | llama.cpp的convert.py | 生成.gguf文件 |
| 2. 量化 | (可选) 对 GGUF 文件进行量化。 | llama.cpp的quantize | 生成更小的.gguf文件 |
| 3. 定义 | 创建一个Modelfile，指定 GGUF 文件路径及运行参数。 | 文本编辑器 | Modelfile文件 |
| 4. 导入 | 使用ollama create命令将模型注册到 Ollama。 | ollamaCLI | 成功部署的模型 |
| 5. 运行 | 使用ollama run命令运行测试。 | ollamaCLI | 模型开始运行 |
