llama2:70b-text-q3_K_M - Ollama 框架

llama2

Llama 2 是一系列基础语言模型，参数范围从 7B 到 70B。

7b 13b 70b

3M 下载次数更新于 14 个月前

102 个标签

更新于 14 个月前

14 个月前

fbd62f5dcf16 · 33GB

# Llama 2 可接受使用政策 Meta 致力于推广其工具的安全和公平使用 f

4.8kB

许可证

LLAMA 2 社区许可协议 Llama 2 版本发布日期：2023 年 7 月 18 日 “协议” 指

7.0kB

自述文件

Llama 2 由 Meta Platforms, Inc. 发布。该模型在 2 万亿个 token 上进行训练，默认支持 4096 的上下文长度。 Llama 2 Chat 模型在超过 100 万个人工注释上进行了微调，专为聊天而设计。

CLI（命令行界面）

打开终端并运行 ollama run llama2

API（应用程序编程接口）

使用 curl 的示例

curl -X POST http://localhost:11434/api/generate -d '{
  "model": "llama2",
  "prompt":"Why is the sky blue?"
 }'

API 文档

内存要求

7b 模型通常需要至少 8GB 的 RAM
13b 模型通常需要至少 16GB 的 RAM
70b 模型通常需要至少 64GB 的 RAM

如果在使用更高的量化级别时遇到问题，请尝试使用 q4 模型或关闭任何其他占用大量内存的程序。

模型变体

Chat 针对聊天/对话用例进行了微调。这些是 Ollama 中的默认设置，适用于在标签页中标注为 -chat 的模型。

示例：ollama run llama2

Pre-trained（预训练） 没有聊天微调。这在标签页中标记为 -text。

示例：ollama run llama2:text

默认情况下，Ollama 使用 4 位量化。要尝试其他量化级别，请尝试其他标签。 q 之后的数字代表用于量化的位数（即 q4 表示 4 位量化）。数字越高，模型越准确，但运行速度越慢，所需的内存也越多。

参考文献

Llama 2：开放基础和微调聊天模型

Meta 的 Hugging Face 仓库

Llama 2 is released by Meta Platforms, Inc. This model is trained on 2 trillion tokens, and by default supports a context length of 4096. Llama 2 Chat models are fine-tuned on over 1 million human annotations, and are made for chat.

### CLI

Open the terminal and run `ollama run llama2`

### API

Example using curl:

```bash
curl -X POST http://localhost:11434/api/generate -d '{
  "model": "llama2",
  "prompt":"Why is the sky blue?"
 }'
```

[API documentation](https://github.com/jmorganca/ollama/blob/main/docs/api.md)

## Memory requirements

- 7b models generally require at least 8GB of RAM
- 13b models generally require at least 16GB of RAM
- 70b models generally require at least 64GB of RAM

If you run into issues with higher quantization levels, try using the q4 model or shut down any other programs that are using a lot of memory.

## Model variants

**Chat** is fine-tuned for chat/dialogue use cases. These are the default in Ollama, and for models tagged with -chat in the tags tab.

*Example: `ollama run llama2`*

**Pre-trained** is without the chat fine-tuning. This is tagged as -text in the tags tab.

*Example: `ollama run llama2:text`*

By default, Ollama uses 4-bit quantization. To try other quantization levels, please try the other tags. The number after the q represents the number of bits used for quantization (i.e. q4 means 4-bit quantization). The higher the number, the more accurate the model is, but the slower it runs, and the more memory it requires.

## References
[Llama 2: Open Foundation and Fine-Tuned Chat Models](https://arxiv.org/abs/2307.09288)

[Meta's Hugging Face repo](https://hugging-face.cn/meta-llama)

粘贴、拖放或单击以上传图片（.png、.jpeg、.jpg、.svg、.gif）