时隔4年重新回到技术岗位，让我身心倍感轻松很喜欢很享受
在看这个文章之前先看下这个表，看看自己显卡是否支持然后再看后续文章
显卡支持表
查看本机显卡参数
我的就是2020年买的笔记本，还是2060的卡基本计算能力在7.5左右所以还是可以再站几年的
输入命令 nvidia-smi
image.png
第一步 安装cuda toolkit 点击此链接打开网站
安装 CUDA Toolkit.png
下载相关文件，请记住流程安装选local而非network 具体请问网上更多大模型会描述的很清楚为什么选local
image.png
安装完后验证是否安装成功
打开cmd 输入 nvcc --version 显示版本号表示下载成功
image.png
到此安装部分全部结束，再次使用cmd命令查看 nvidia-smi 就会发现cuda version也做了更改
image.png
设置ollama 环境变量
到这里还没有安装ollama，去自行安装ollama傻瓜式安装即可
现在就可以设置ollama使用deepseek r1模型跑在gpu上了，就不会出现ppt一样回答问题的情况了
昨天我跑了一次，同一个问题 gpu运行时间11s，cpu运行时间3分钟
第一步打开系统变量，无法新增编辑就已管理员身份运行即可
image.png
- 添加以下环境变量：
- 变量名：OLLAMA_GPU_LAYER
- 变量值：cuda
- 指定特定的 GPU，可以添加以下环境变量：
- 变量名：CUDA_VISIBLE_DEVICES
-
变量值：GPU的UUID（按编号有时找不到，所以使用UUID，下文提到了本机gpu查UUID的命令）
image.png
GPU的UUID查看方法 继续用命令行输入 nvidia-smi -L
所以我的UUID是GPU-e9b399f2-060c-39e6-9265-fa44cf37d240
image.png
把你的UUID输入进去
到此环境变量设置都完成了
验证是否使用gpu
- 先运行你的大模型(我用的是deepseek r1:8b)
ds运行
- 然后再起一个命令行 输入 ollama ps 就可以看到 processor里面有cpu与gpu运行百分比
输入命令
后续 可以查看日志文件查看大模型的运行情况
- 打开ollama的server.log 将内容粘贴近大模型直接会帮你总结
这是我之前运行的log
- 观察的内容里体现了 ollama在cpu还是gpu上运行，当时花费了我将近4G的CPU 所以很卡(虽然我是16G内存这周末就去扩内存)
- 最后打开任务管理器查看你的性能 GPU CPU使用率 就可以直观的感受到GPU运算跟CPU运算的差别。到这一步算是彻底结束了
任务管理器
- 最后感谢所有GitHub的大佬提供的各种解决方法 我也只是拿来测试了一下没想到真的可行
- 想学习的小伙伴请擦亮双眼 卖课的卖课件的人比较多 鱼龙混杂 我们得有辨别的能力，推荐上github上搜索真正有用的信息 不然天天处理垃圾信息太浪费时间
