Wat zijn de meest populaire opdrachten in Ollama?

De meest populaire opdrachten in Ollama zijn: ollama list, ollama pull, ollama rm en ollama run

Ollama Snellegids

Gecompileerd en opgeslagen voor toekomstig gebruik...

Inhoud

Hier is de lijst en voorbeelden van de meest nuttige Ollama-commands (Ollama commands cheatsheet) Die ik vroeger al heb samengesteld. Hopelijk is het nuttiig voor je.

ollama cheatsheet

Deze Ollama-cheatsheet richt zich op CLI-commands, modelbeheer en aanpassingen

Installatie

Optie 1: Downloaden vanaf de website
- Bezoek ollama.com en download de installer voor je besturingssysteem (Mac, Linux of Windows).
Optie 2: Installeren via de command line
- Voor gebruikers van Mac en Linux, gebruik de commando:
```
curl https://ollama.ai/install.sh | sh
```
- Volg de op het scherm verschenen instructies en geef je wachtwoord op als dat wordt gevraagd[3].

Systeemvereisten

Besturingssysteem: Mac of Linux (Windows-versie in ontwikkeling)
Geheugen (RAM): Minimaal 8 GB, aanbevolen 16 GB of meer
Opslag: Minimaal ongeveer 10 GB vrije ruimte
Processor: Een relatief moderne CPU (van de afgelopen 5 jaar)[3].

Basis Ollama CLI-commands

Commando	Beschrijving
`ollama serve`	Start Ollama op je lokale systeem.
`ollama create <new_model>`	Maakt een nieuw model aan vanuit een bestaand model voor aanpassing of training.
`ollama show <model>`	Toont details over een specifiek model, zoals zijn configuratie en release datum.
`ollama run <model>`	Voert het opgegeven model uit, waardoor het klaar is voor interactie.
`ollama pull <model>`	Download het opgegeven model naar je systeem.
`ollama list`	Lijst alle gedownloade modellen op.
`ollama ps`	Toont de momenteel lopende modellen.
`ollama stop <model>`	Stopt het opgegeven lopende model.
`ollama rm <model>`	Verwijdert het opgegeven model van je systeem.
`ollama help`	Geeft hulp over elk commando.

Modelbeheer

Een model downloaden:
```
ollama pull mistral-nemo:12b-instruct-2407-q6_K
```
Dit commando download het opgegeven model (bijvoorbeeld Gemma 2B) naar je systeem.
Een model uitvoeren:
```
ollama run qwen2.5:32b-instruct-q3_K_S
```
Dit commando start het opgegeven model en opent een interactieve REPL voor interactie.
Modellen lijsten:
```
ollama list
```
Dit commando lijst alle modellen op die naar je systeem zijn gedownload.
Een model stoppen:
```
ollama stop llama3.1:8b-instruct-q8_0
```
Dit commando stopt het opgegeven lopende model.

Modellen aanpassen

Stel een systeemprompt in: Binnen de Ollama REPL kun je een systeemprompt instellen om het gedrag van het model aan te passen:
```
>>> /set system Voor alle vragen die worden gesteld, antwoord in gewoon Engels en vermijd technische jargon zoveel mogelijk
>>> /save ipe
>>> /bye
```
Vervolgens voer je het aangepaste model uit:
```
ollama run ipe
```
Dit stelt een systeemprompt in en slaat het model op voor toekomstig gebruik.
Maak een aangepast modelbestand aan: Maak een tekstbestand aan (bijvoorbeeld custom_model.txt) met de volgende structuur:
```
FROM llama3.1
SYSTEM [Je aangepaste instructies hier]
```
Vervolgens voer je uit:
```
ollama create mymodel -f custom_model.txt
ollama run mymodel
```
Dit maakt een aangepast model op basis van de instructies in het bestand[3].

Ollama gebruiken met bestanden

Samenvatting van tekst uit een bestand:
```
ollama run llama3.2 "Samenvat de inhoud van dit bestand in 50 woorden." < input.txt
```
Dit commando samenvat de inhoud van input.txt met behulp van het opgegeven model.
Modelreacties opslaan in een bestand:
```
ollama run llama3.2 "Vertel me over hernieuwbare energie." > output.txt
```
Dit commando slaat de reactie van het model op in output.txt.

Algemene toepassingsgebieden

Tekstgeneratie:

Samenvatten van een groot tekstbestand:

ollama run llama3.2 "Samenvat de volgende tekst:" < long-document.txt

Tekst genereren:

ollama run llama3.2 "Schrijf een korte artikel over de voordelen van het gebruik van AI in de gezondheidszorg." > article.txt

Beantwoorden van specifieke vragen:

ollama run llama3.2 "Wat zijn de nieuwste trends in AI, en hoe zullen ze de gezondheidszorg beïnvloeden?"

Dataverwerking en analyse:
- Classificeren van tekst in positief, negatief of neutraal sentiment:
```
ollama run llama3.2 "Analyseer het sentiment van deze klantrecensie: 'Het product is geweldig, maar de levering was traag.'"
```
- Categorieëren van tekst in vooraf gedefinieerde categorieën: Gebruik vergelijkbare commando’s om tekst te classificeren of te categoriseren op basis van vooraf gedefinieerde criteria.

Ollama gebruiken met Python

Installeer de Ollama Python-bibliotheek:
```
pip install ollama
```

Genereer tekst met behulp van Python:

import ollama

response = ollama.generate(model='gemma:2b', prompt='wat is een qubit?')
print(response['response'])

Dit codefragment genereert tekst met behulp van het opgegeven model en prompt.