当前位置：首页 > wzjs >正文

网站建设基础资料百度短网址在线生成

wzjs 2025/9/2 14:47:10

网站建设基础资料,百度短网址在线生成,注册证查询网站,获取更多付费流量Ollama 开启 GPU 加速可显著提升大语言模型运行效率与性能，通过利用 NVIDIA CUDA 等 GPU 并行计算能力优化矩阵运算，推理速度可实现数倍至数十倍的提升，有效降低用户交互延迟。可以按照以下步骤检查配置CPU加速。一、检查 Ollama 是否开启 G…

Ollama 开启 GPU 加速可显著提升大语言模型运行效率与性能，通过利用 NVIDIA CUDA 等 GPU 并行计算能力优化矩阵运算，推理速度可实现数倍至数十倍的提升，有效降低用户交互延迟。可以按照以下步骤检查配置CPU加速。

一、检查 Ollama 是否开启 GPU 加速

启动Ollama服务并检查日志，在WSL命令行中执行以下命令：

OLLAMA_DEBUG=1 ollama serve

预期会输出一段较长日志，检查日志，是否像我的日志一样包含以下关键信息：

library=cuda、compute=8.6、variant=v12、driver=12.8

日志解读：

time=2025-03-09T10:30:00.176+08:00 level=DEBUG source=gpu.go:125 msg="detected GPUs" count=1 library=/usr/lib/wsl/lib/libcuda.so

含义：在路径 /usr/lib/wsl/lib/libcuda.so，检测到 1 块 NVIDIA GPU，并加载了 WSL 自带的 CUDA 12.8 库。

[GPU-cbb00053-655d-c435-004e-241491c5a80c] CUDA totalMem 4095 mb
[GPU-cbb00053-655d-c435-004e-241491c5a80c] CUDA freeMem 3304 mb

含义：显存总量为 4095 MB（即 4GB），可用显存 3304 MB，表明 Ollama 已为 GPU 分配显存。

[GPU-cbb00053-655d-c435-004e-241491c5a80c] Compute Capability 8.6

含义：Compute Capability 8.6对应的是NVIDIA RTX 30系列显卡，这说明Ollama正确识别了GPU的计算能力，并且支持CUDA 12.x版本。

library=cuda含义： GPU 加速已生效。

compute=8.6含义：对应 NVIDIA RTX 3050 显卡的计算能力（支持 CUDA 12）。

variant=v12、driver=12.8含义：Ollama 使用的 CUDA 版本为 12.8，与驱动版本 12.8 完全兼容。

如果，这些信息跟我的类似，那么恭喜你，你已经开启了GPU加速，不用继续往下看了。否则，需要按照下面步骤进行配置。

二、下载最新版本的NVIDIA驱动

前往NVIDIA官网

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIAhttps://www.nvidia.cn/geforce/drivers/ 选择对应自己电脑的 GPU 型号和操作系统版本，点击开始搜索。这里最后一项的下载类型中最好选择Studio 驱动，它专为创作和开发优化，通常包含完整的 WSL 支持。

搜索结果中，选择最新的版本，点击获取下载。

进入详情页面后，点击立即下载即可。

三、安装驱动

以管理员权限运行驱动安装程序，即刚刚下载好的.exe 文件（文件名形如 536.99-desktop-win10-win11-64bit-international-dch-whql.exe）。点击OK，等待完成即可。

之后，在这里要选择第二个图形驱动程序

选择自定义

记得勾选执行清洁程序

然后继续下一步，按照提示安装即可。

四，开始进行相关配置

1.在Windows终端中检查WSL版本，以管理员身份启动 PowerShell，执行以下命令：

wsl --list --verbose

运行结果要包括：

2. 在WSL的Linux终端中验证CUDA支持，在WSL中输入以下代码检查NVIDIA驱动是否可见：

nvidia-smi

正常情况下，运行结果如下图：

五、配置 CUDA 库路径

1.确认 WSL 自带 CUDA 库位置，在WSL中执行以下命令：

ls /usr/lib/wsl/lib

确认存在 libcuda.so、libcuda.so.1 等关键桥接库文件。

2. 配置环境变量，在WSL中执行以下命令，

命令含义：打开环境变量文件

nano ~/.bashrc

下拉，在文件最后，查看是否包含以下代码，若未包含，则复制过去。

#该命令的含义：优先使用 WSL 自带的 CUDA 库

export LD_LIBRARY_PATH=/usr/lib/wsl/lib:$LD_LIBRARY_PATH

之后，因为这里使用的是 nano 编辑器，所以按以下方式退出：

保存并退出：编辑完成后

（1）按 Ctrl + O（写入更改）。

（2）按 Enter 确认文件名。

（3）再按 Ctrl + X 退出编辑器。

直接退出（不保存）：

（1）按 Ctrl + X。

（2）如果已修改文件，会提示是否保存，按 N 放弃保存并退

3.验证环境变量，在WSL中执行以下命令

echo $LD_LIBRARY_PATH

预期会输出如下图一样，包含 /usr/lib/wsl/lib 或 /usr/local/lib/ollama/cuda_v12。

六、配置 Ollama 的 GPU 支持

1.复制并移动CUDA 库文件，Ollama 的 CUDA 库通常位于 lib/ollama/cuda_v12 或类似目录中。在WSL中执行以下命令

# 创建Ollama库目录
sudo mkdir -p /usr/local/lib/ollama

# 复制CUDA v12库（假设你使用CUDA 12）
sudo cp -r ~/lib/ollama/cuda_v12 /usr/local/lib/ollama/

2.修改环境变量文件

在WSL中执行以下命令