Linux系统Ollama小白安装配置使用手册
Linux用户不容错过的Ollama小白手册。核心内容:1 官网地址及快速安装指南;2 命令行安装的详细步骤;3 手动安装的注意事项及开机启动设置。先把这个框架摆在这里,再详细拆解。 安装 直接上手,几个命令搞定。要安装Ollama,运行以下命令: curl -fsSL https: oll
Linux用户不容错过的Ollama小白手册。核心内容:1. 官网地址及快速安装指南;2. 命令行安装的详细步骤;3. 手动安装的注意事项及开机启动设置。先把这个框架摆在这里,再详细拆解。

安装
直接上手,几个命令搞定。要安装Ollama,运行以下命令:
curl -fsSL https://ollama.com/install.sh | sh
如果你从魔搭社区镜像站走,会更稳一些(推荐的方式):
# 安装modelscope
pip install modelscope
# 确保已通过pip install modelscope安装ModelScope
modelscope download --model=modelscope/ollama-linux --local_dir ./ollama-linux --revision v0.5.8
# 运行ollama安装脚本
cd ollama-linux
sudo chmod 777 ./ollama-modelscope-install.sh
./ollama-modelscope-install.sh
# 启动服务
ollama serve
参考:https://modelscope.cn/models/modelscope/ollama-linux
手动安装(不推荐)
有些场景下可能无法在线安装,这时候手动方式可以救急,但后续维护起来会麻烦一些。如果是从旧版本升级,建议先清理之前的库:
sudo rm -rf /usr/lib/ollama
然后下载并解压软件包:
curl -L https://ollama.com/download/ollama-linux-amd64.tgz -o ollama-linux-amd64.tgz sudo tar -C /usr -xzf ollama-linux-amd64.tgz
启动Ollama:
ollama serve
另开一个终端,验证是否正常运行:
ollama -v
Ollama 开机启动(非必须)
如果你希望每次开机后自动启动Ollama,可以按步骤来。先创建专用的用户和组:
sudo useradd -r -s /bin/false -U -m -d /usr/share/ollama ollama sudo usermod -a -G ollama $(whoami)
在/etc/systemd/system/ollama.service位置创建服务文件:
[Unit] Description=Ollama Service After=network-online.target [Service] ExecStart=/usr/bin/ollama serve User=ollama Group=ollama Restart=always RestartSec=3 Environment="PATH=$PATH" [Install] WantedBy=default.target
然后启动服务:
sudo systemctl daemon-reload sudo systemctl enable ollama
自定义安装
想调整安装细节?可以直接编辑systemd服务文件或环境变量:
sudo systemctl edit ollama
或者在/etc/systemd/system/ollama.service.d/override.conf手动创建覆盖文件:
[Service] Environment="OLLAMA_DEBUG=1"
修改模型路径
Linux系统下,Ollama默认把模型塞到/usr/share/ollama/.ollama/models目录。如果你想换个地儿,可以参考下面的流程:
创建新的模型存储目录
打开终端,创建一个新目录:
sudo mkdir -p /data/ai/ollama/models
更改目录权限,确保Ollama能读写:
# 非必须
sudo chown -R ollama:ollama /data/ai/ollama/models
# 非必须
sudo chmod -R 775 /data/ai/ollama/models
修改Ollama服务配置文件
编辑/etc/systemd/system/ollama.service:
sudo vi /etc/systemd/system/ollama.service
在[Service]部分的Environment字段后面追加新的变量:
# 修改模型下载路径
Environment="OLLAMA_MODELS=/data/ai/ollama/models"
# 开启外部访问
Environment="OLLAMA_HOST=0.0.0.0"
一个完整的配置示例:
[Unit]
Description=Ollama Service
After=network-online.target
[Service]
ExecStart=/usr/local/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
Environment="PATH=/data/conda3/run/envs/ollama/bin:/data/conda3/run/condabin:/usr/local/cuda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/root/bin"
Environment="OLLAMA_HOST=0.0.0.0"
Environment="OLLAMA_MODELS=/data/ai/ollama/models"
[Install]
WantedBy=default.target
重载配置并重启Ollama服务
sudo systemctl daemon-reload sudo systemctl restart ollama sudo systemctl status ollama
验证更改
检查默认路径/usr/share/ollama/.ollama/models,看看模型文件是否已消失;再检查新路径/data/ai/models,确认是否生成了blobs和manifests文件夹。
模型离线迁移
实际工作中经常要把模型搬到另一台机器上,核心操作就是迁移blobs和manifests文件夹中的内容。
blobs 文件夹
blobs文件夹里是一些二进制文件。需要去Ollama官网找到对应模型的唯一标识。以deepseek-r1:1.5b为例,在models中搜索deepseek-r1进入主页,点击model,复制那一串标识(比如aabd4debf0c8)。
在blobs文件夹搜索aabd4debf0c8,定位到那个二进制文件。把与该文件具备相同修改时间的其他文件一起复制到目标主机的对应文件夹:
sha256-369ca498f347f710d068cbb38bf0b8692dd3fa30f30ca2ff755e211c94768150 sha256-6e4c38e1172f42fdbff13edf9a7a017679fb82b0fde415a3e8b3c31c6ed4a4e4 sha256-a85fe2a2e58e2426116d3686dfdc1a6ea58640c1e684069976aa730be6c1fa01 sha256-aabd4debf0c8f08881923f2c25fc0fdeed24435271c2b3e92c4af36704040dbc sha256-f4d24e9138dd4603380add165d2b0d970bef471fac194b436ebd50e6147c6588
manifests 文件夹
这个更简单,直接把manifests文件夹下特定的目录复制到目标主机的对应目录即可。
验证
在目标主机运行ollama list,会发现deepseekr1:1.5b已经迁移过来了。再执行ollama run deepseek-r1:1.5b部署模型,部署成功。
备注:ollama的模型在Windows、Linux和Mac系统中都是通用的,不同系统之间可以相互拷贝。
更新
通过再次运行安装脚本即可更新:
curl -fsSL https://ollama.com/install.sh | sh
或者重新下载:
curl -L https://ollama.com/download/ollama-linux-amd64.tgz -o ollama-linux-amd64.tgz sudo tar -C /usr -xzf ollama-linux-amd64.tgz
安装特定版本
通过OLLAMA_VERSION环境变量指定版本号,包括预发布版本。去发布页面找到对应版本号,例如:
curl -fsSL https://ollama.com/install.sh | OLLAMA_VERSION=0.5.7 sh
查看日志:
journalctl -e -u ollama
卸载
删除Ollama服务:
sudo systemctl stop ollama sudo systemctl disable ollama sudo rm /etc/systemd/system/ollama.service
从bin目录删除二进制文件(可能位于/usr/local/bin、/usr/bin或/bin):
sudo rm $(which ollama)
删除模型和用户组:
sudo rm -r /usr/share/ollama sudo userdel ollama sudo groupdel ollama
删除已安装的库:
sudo rm -rf /usr/local/lib/ollama
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:Linux系统Ollama小白安装配置使用手册要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点在 Degiro 上进行投资的用户,常常会遇到一个共同的痛点:平台自带的数据展示较为基础,若想获取更深入的投资组合分析、风险指标,甚至对未来走势做出预测,通常只能借助 Excel 手动处理。不过,现在有一款 Chrome 扩展程序可以完美解决这一难题——Mercury,专为 Degiro 用户量身打
在投资决策过程中,客观数据往往比主观直觉更值得信赖。名为Lorna的智能平台,运用独特的现金流分析体系,帮助投资者穿透虚饰的财务报表,直达企业真实的财务健康状况。 什么是Lorna?——数据驱动的现金流分析投资工具 简而言之,Lorna是一个以数据为核心驱动力的投资分析工具。其核心利器是独创的“现金
Front Street自动追踪你的每一笔消费,整合各类忠诚度计划,并提供财务洞察与省钱妙招——说白了,就是帮你把钱&包管得明明白白。 什么是Front Street? 简单讲,Front Street就是你的购物管家。它自动记录你在每个品牌、每家店的所有购买行为,然后把零散的忠诚度计划全部整合到一
在创投圈深耕多年,你会发现一个普遍难题:融资过程中,投资者关系维护、尽职调查、潜在投资人挖掘……这些环节往往耗费巨大精力,却又直接决定成败。如果能有一款工具将这些琐事自动化,让团队聚焦于真正重要的沟通与战略决策,那该多理想?Finta 正是为此而生。 什么是Finta? Finta 本质上是一款 A
- 日榜
- 周榜
- 月榜
热点快看
