ollama 检测不了本地大模型-WayToAGI

回答

如果 Ollama 检测不了本地大模型，可能需要进行以下操作：

对于 ipadater 部分，倘若加载器部分报错说 model 不存在，将文中画圈部分修改调整到不报错。
Pulid 部分，除了下载好对应的节点以及参考官方网站GitHub - cubiq/PuLID_ComfyUI:PuLID native implementation for ComfyUI最下面的安装对应要求外，还要注意上图中的第二要点，对应安装一些内容，具体要求如下图（在云盘中命名为“pulid 插件模型位置.png”）及对应的云盘链接：PulID 全套模型，链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb，提取码:y6hb，否则将会遇到报错。
Ollama 大模型部分，为了应对没下载大模型带来的报错，需要下载大模型。首先，下载 ollama，网站：Download Ollama on Windows。安装完之后，确保 ollama 后台服务已启动（在 mac 上启动 ollama 应用程序即可，在 linux 上可以通过 ollama serve 启动）。可以通过 ollama list 进行确认，当还没下载模型的时候，正常会显示空。可以通过 ollama 命令下载模型，目前有几个模型可供选择，如 Gemma（由 Google 推出的轻量级模型）、Mistral（由欧洲法国 Mistral AI 团队推出的大模型）、Mixtral（也是由 Mistral AI 团队推出的大模型）、Qwen（由阿里巴巴推出的大模型）。当安装完成 ollama 之后，可以在命令行中运行如下命令，其中[model name]就是想运行的本地大模型的名称，如果不知道应该选择哪个模型，可以通过model library进行查看，例如选择 llama2 大模型。考虑到机器的配置以及不同版本的内存要求，可以选择 7b 参数的模型，当运行大模型的时候，ollama 会自动帮下载大模型到本地。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

⑥对于ipadater部分，倘若加载器部分报错说model不存在，将文中画圈部分修改调整到不报错：⑦Pulid部分，除了下载好对应的节点以及参考官方网站[GitHub - cubiq/PuLID_ComfyUI:PuLID native implementation for ComfyUI](https://github.com/cubiq/PuLID_ComfyUI)最下面的安装对应要求外：还要注意上图中的第二要点，对应安装一些内容，具体要求如下图（在云盘中命名为“pulid插件模型位置.png”）及对应的云盘链接：PulID全套模型链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb提取码:y6hb否则将会遇到以下的报错：Error occurred when executing PulidEvaClipLoader:(MaxRetryError('HTTPSConnectionPool(host=\'huggingface.co\',port=443):Max retries exceeded with url:/QuanSun/EVA-CLIP/resolve/main/EVA02_CLIP_L_336_psz14_s6B.pt(Caused by SSLError(CertificateError("hostname \'huggingface.co\' doesn\'t match either of \'*.extern.facebook.com\',\'extern.facebook.com\'")))'),'(Request ID:05b932bd-e982-434e-8dc7-e41cca2e949f)')⑧Ollama大模型部分，为了应对没下载大模型带来的报错，因此需要下载大模型首先，下载ollama，网站：[Download Ollama on Windows](https://ollama.com/download)

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

安装完之后，确保ollama后台服务已启动（在mac上启动ollama应用程序即可，在linux上可以通过ollama serve启动）。我们可以通过ollama list进行确认，当我们还没下载模型的时候，正常会显示空：可以通过ollama命令下载模型，目前，我下载了4个模型：几个模型简介如下:Gemma：Gemma是由Google推出的轻量级模型，Google表示，“Gemma 2B和7B与其他开放式模型相比，在其规模上实现了同类最佳的性能。”本次开发，下载的是7B模型。Mistral：Mistral是由欧洲法国Mistral AI团队推出的大模型，该模型采用了分组查询注意力（GQA）以实现更快的推断速度。本次开发，下载的是7B模型。Mixtral：Mixtral也是由Mistral AI团队推出的大模型，但Mixtral是一个8*7B的MoE模型，在大多数基准测试中都优于Llama 2 70B和GPT-3.5。Qwen：Qwen（通义千问）是由阿里巴巴推出的大模型，本次开发，下载的是7B模型。万物皆可RSS巧妇难为无米之炊。不管是获取日常新闻，还是获取A股行情，都需要有稳定靠谱的数据源。大家可能第一时间会想到爬虫，但自己去搭建和维护这样一个爬虫系统还是比较麻烦的。有没有其他更好的方式呢？这就需要用到「上古神器」 RSS了！

手把手教你本地部署大模型以及搭建个人知识库

当安装完成ollama之后，我们就可以在命令行中运行如下命令既可以其中[model name]就是你想运行的本地大模型的名称，如果你不知道应该选择哪个模型，可以通过[model library](https://ollama.com/library)进行查看。这里我们选择llama2大模型：[llama2](https://ollama.com/library/llama2)考虑到我机器的配置以及不同版本的内存要求，我这里选择7b参数的模型当我们运行大模型的时候，ollama会自动帮我们下载大模型到我们本地。