LLM之RAG实战(五十六)| Ollama部署下载Qwen3-Embedding向量模型和Qwen3-Reranker重排模型

向量数据库大模型云通信

参考文献:https://blog.csdn.net/qq363685855/article/details/148512248

之前分享过LLM之RAG实战(五十五)| 阿里开源新模型,Qwen3-Embedding与Qwen3 Reranker强势来袭!。本文将分享如何使用ollama来部署这些模型。

一、首先,需要安装Ollama

打开官网下载:https://ollama.com/download

picture.image

  根据自己的操作系统下载对应的版本即可。正常来说,是可以安装成功的。下面介绍一下特殊情况或者其他安装方式。

a)对于Mac电脑,也可以通过Homebrew进行安装

  
brew install ollama

b)对linux服务器,有时候不能连接外网,因此需要离线安装,可以参考文献:https://blog.csdn.net/m0\_71142057/article/details/143186418。

核心点是可以copy文章的install.sh然后下载ollama离线文件,并把他们放到同一个目录下,执行运行 install.sh即可,如下图所示:

picture.image

可以通过命令lscpu来查看操作系统版本,我是x86_64。

  
chmod +x ./install.sh  
./install.sh

二、下载Qwen3-Embedding模型

  
ollama run dengcao/Qwen3-Embedding-0.6B:F16

下面列出Qwen3-Embedding和Qwen3-Reranker各个版本的Ollama安装命令。

Qwen3-Embedding-0.6B系列:

  
ollama run dengcao/Qwen3-Embedding-0.6B:Q8_0  
ollama run dengcao/Qwen3-Embedding-0.6B:F16

Qwen3-Embedding-4B系列:

  
ollama run dengcao/Qwen3-Embedding-4B:Q4_K_M  
ollama run dengcao/Qwen3-Embedding-4B:Q5_K_M  
ollama run dengcao/Qwen3-Embedding-4B:Q8_0  
ollama run dengcao/Qwen3-Embedding-8B:F16

Qwen3-Embedding-8B系列:

  
ollama run dengcao/Qwen3-Embedding-8B:Q4_K_M  
ollama run dengcao/Qwen3-Embedding-8B:Q5_K_M  
ollama run dengcao/Qwen3-Embedding-8B:Q8_0

Qwen3-Reranker-0.6B系列:

  
ollama run dengcao/Qwen3-Reranker-0.6B:Q8_0  
ollama run dengcao/Qwen3-Reranker-0.6B:F16

Qwen3-Reranker-4B系列:

  
ollama run dengcao/Qwen3-Reranker-4B:Q4_K_M  
ollama run dengcao/Qwen3-Reranker-4B:Q5_K_M  
ollama run dengcao/Qwen3-Reranker-4B:Q8_0

Qwen3-Reranker-8B系列:

  
ollama run dengcao/Qwen3-Reranker-8B:Q3_K_M  
ollama run dengcao/Qwen3-Reranker-8B:Q4_K_M  
ollama run dengcao/Qwen3-Reranker-8B:Q5_K_M  
ollama run dengcao/Qwen3-Reranker-8B:Q8_0  
ollama run dengcao/Qwen3-Reranker-8B:F16

关于量化版本的说明:

  • q8_0:与浮点数16几乎无法区分。资源使用率高,速度慢。不建议大多数用户使用。

  • q6_k:将Q8_K用于所有张量。

  • q5_k_m:将 Q6_K 用于一半的 attention.wv 和 feed_forward.w2 张量,否则Q5_K。

  • q5_0: 原始量化方法,5位。精度更高,资源使用率更高,推理速度更慢。

  • q4_k_m:将 Q6_K 用于一半的 attention.wv 和 feed_forward.w2 张量,否则Q4_Kq4_0:原始量化方法,4 位。

  • q3_k_m:将 Q4_K 用于 attention.wv、attention.wo 和 feed_forward.w2 张量,否则Q3_K

  • q2_k:将 Q4_K 用于 attention.vw 和 feed_forward.w2 张量,Q2_K用于其他张量。

    根据经验,建议使用 Q5_K_M,因为它保留了模型的大部分性能。或者,如果要节省一些内存,可以使用 Q4_K_M。

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大模型解决方案白皮书:社交陪伴场景全流程落地指南
随着大模型技术持续突破,AI正加速重塑社交娱乐的形态与体验。其中,陪伴式聊天因用户黏性强、互动频次高,成为大模型商业化落地的关键赛道。随着模型能力跃升至万亿参数级,AI从工具属性正迈向情感交互生态,现象级产品的诞生条件逐渐成熟。 本白皮书聚焦AI陪伴聊天应用开发,面向“从何起步、如何落地”的新手困惑,系统拆解从需求定义到产品上线的关键流程。我们结合工程化实践路径,打造模块化知识体系与渐进式开发框架,帮助开发者在30天内完成从技术认知到产品原型的跃升,快速构建具备基础交互能力的Web或App应用,迈出大模型
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论