ollama 新手，求问哥哥们 2 个问题，找了好多资料还是没弄明白

1. Modelfile 自定义编写即可，你可以查看一下它的文本规范
2. 查看显卡编号，然后通过使用环境变量指定 GPU 跑大模型，另外也可以选择 docker 容器来指定 GPU

huggingface 上面不是有 modelfile 文件吗，可以参考

@iSkylar 我现在是用 docker 跑的，这是我的配置：
```
services:
ollama:
volumes:
- /opt/models:/root/.ollama
- ./modelfiles:/root/modelfiles
container_name: ollama
tty: true
restart: always
image: ollama/ollama:latest
ports:
- 7013:11434
environment:
- OLLAMA_KEEP_ALIVE=24h
- TZ=Asia/Shanghai
networks:
- ollama-docker
deploy:
resources:
reservations:
devices:
- driver: nvidia
device_ids: ["1"]
capabilities: [gpu]
```

我在配置中指定了：device_ids: ["1"]，也就是这个容器使用第二块显卡，这里我需要把 1 改成 all 吗？改成 all 的话，还能使用环境变量指定 GPU 嘛，请问是在 modelfile 里指定 GPU 编号嘛?

ollama show --modelfile modename 一下可以看到，modelfile 文件就是 ollama template +params 放在一起；
一个 ollama 服务貌似只能一个显卡，倒是可以启动多个服务在不同端口上，每个服务用 CUDA_VISIBLE_DEVICES 指定不同显卡。

@ZimaBlueee
1. 里我需要把 1 改成 all 吗？改成 all 的话，还能使用环境变量指定 GPU 嘛？
- 基于 docker 配置 device_ids: ["all"]，然后也可以通过环境配置来指定 GPU ，再 env 那里配置，例如 CUDA_VISIBLE_DEVICES=1
2. 在 modelfile 里指定 GPU 编号嘛?
- 不行，Modelfile 是 Ollama 用来定义模型配置的文件（例如模型路径、参数、提示词等），但它无法直接控制 GPU 分配，GPU 分配是由运行时环境（ Docker 或系统）决定的。

@b821025551b 刚看了一下 ollama show --modelfile 还会额外补充信息，比我自己写的 modelfile 内容还要丰富很多

Ollama 模型直接下载并手动安装的项目
https://github.com/amirrezaDev1378/ollama-model-direct-download

@ZimaBlueee
3. 很多模型找不到 modelfile ，比如这个： https://huggingface.co/Qwen/QwQ-32B
-从 Hugging Face 下载 GGUF 格式并手动创建 Modelfile

@iSkylar 明白您的意思，但是环境变量不是只能设置一个嘛？如何在同一个 docker 容器内为 2 个大模型分配各自的显卡呢？

请问是这样操作吗：我部署 A 模型时，先把 CUDA_VISIBLE_DEVICES=0 ；部署 B 模型时，再把 CUDA_VISIBLE_DEVICES=1 。这样不会改变 A 模型的运行显卡吧？

走环境变量，就楼上老哥给的 CUDA_VISIBLE…，不想用 docker 可以直接用 serve ，别用 run 就行，把用 run 开的 service 关掉。用 serve 在 linux 上需要手动指定下模型位置，同时配合环境变量和指定不同的端口就可以多卡了。确实难用…

1. ollama 没研究过本地权重文件加载，但 vllm 我知道是可以直接加载本地模型文件的，不用走下载。

2. docker 可以直接指定 gpu 编号给容器 如--gpus "device=0" 分配第一张卡。

@joyhub2140 如果想分配另一张卡，是需要再开一个新的容器吗？

@ZimaBlueee #7 你点开 ollama 官网的模型库，实际上就是 template 文件+params 文件+license 文件，把这几个文件下回来拼在一起就是 modelfile 文件； ollama 现在好像不支持启动时传参， 所以用 A 环境变量先启动，再修改后（别忘了 soruce ，或者直接 export ）启动 B ，这时不影响已经启动的 A 。

@ZimaBlueee 是的，你可以开多几个容器分配不同的 gpu ，不过要注意端口冲突。

vim start_qwq.sh
CUDA_VISIBLE_DEVICES="0" ./llama.cpp/build/bin/llama-server --model /data/models/qwq-32b/dir/qwq-32b-q4_k_m.gguf -ngl 100 -t 32 --host 0.0.0.0 --port 9000

谢谢各位的回复，答案基本有了：

1. modelfile 文件需要自己手动编写，这对新手来说主要怕写的不好，怕漏东西或写的不完美。

2. 用 server 启动时指定环境变量来指定 GPU ，或者开 2 个 docker 容器来指定。这里我选择了后者，开 2 个 docker 容器简单好维护。

再次感谢各位的热心回答！

@b821025551b 至少在 win 系统上 ollama 是可以正常同时调用多显卡的，单卡 24G 显存，双卡就能跑 14B-PF16 (29G) 或 70B-Q4M (42G) 的模型

1 、huggingface 上有，下载了，然后可以导入到 ollama ， 具体 ollama 有官方文档，很方便的。
2 、vllm 支持指定显卡，ollama 好像不支持。