在 Android 上运行 Llama:使用 Ollama 的分步指南
知识点掌握了,还需要不断练习才能熟练运用。下面golang学习网给大家带来一个文章开发实战,手把手教大家学习《在 Android 上运行 Llama:使用 Ollama 的分步指南》,在实现功能的过程中也带大家重新温习相关知识点,温故而知新,回头看看说不定又有不一样的感悟!

llama 3.2 最近在 meta 开发者大会上推出,展示了令人印象深刻的多模式功能以及针对使用高通和联发科技硬件的移动设备进行优化的版本。这一突破使开发人员能够在移动设备上运行 llama 3.2 等强大的 ai 模型,为更高效、私密和响应迅速的 ai 应用程序铺平道路。
meta 发布了 llama 3.2 的四个变体:
- 多模态模型具有 110 亿 (11b) 和 900 亿 (90b) 参数。
- 纯文本模型具有 10 亿 (1b) 和 30 亿 (3b) 参数。
较大的模型,尤其是 11b 和 90b 变体,在图像理解和图表推理等任务中表现出色,通常优于 claude 3 haiku 等其他模型,甚至在某些情况下与 gpt-4o-mini 竞争。另一方面,轻量级 1b 和 3b 模型专为文本生成和多语言功能而设计,使其成为注重隐私和效率的设备上应用程序的理想选择。
在本指南中,我们将向您展示如何使用 termux 和 ollama 在 android 设备上运行 llama 3.2。 termux 在 android 上提供 linux 环境,ollama 帮助在本地管理和运行大型模型。
为什么在本地运行 llama 3.2?
在本地运行人工智能模型有两大好处:
- 即时处理,因为一切都在设备上处理。
- 增强隐私,因为无需将数据发送到云端进行处理。
尽管目前支持移动设备流畅运行llama 3.2这样的模型的产品还不多,但我们仍然可以在android上使用linux环境来探索它。
在 android 上运行 llama 3.2 的步骤
1.在android上安装termux
termux 是一个终端模拟器,允许 android 设备无需 root 访问即可运行 linux 环境。它是免费的,可以从 termux github 页面下载。
对于本指南,请下载 termux-app_v0.119.0-beta.1+apt-android-7-github-debug_arm64-v8a.apk 并将其安装在您的 android 设备上。
2. 设置 termux
启动 termux 后,请按照以下步骤设置环境:
- 授予存储访问权限:
termux-setup-storage
此命令可让 termux 访问 android 设备的存储空间,从而更轻松地进行文件管理。
- 更新包:
pkg upgrade
当提示更新 termux 和所有已安装的软件包时,输入 y。
- 安装基本工具:
pkg install git cmake golang
这些软件包包括用于版本控制的 git、用于构建软件的 cmake 以及编写 ollama 的编程语言 go。
3.安装并编译ollama
ollama 是一个在本地运行大型模型的平台。安装和设置方法如下:
- 克隆 ollama 的 github 存储库:
git clone --depth 1 https://github.com/ollama/ollama.git
- 导航到 ollama 目录:
cd ollama
- 生成go代码:
go generate ./...
- 构建奥拉玛:
go build .
- 启动 ollama 服务器:
./ollama serve &
现在 ollama 服务器将在后台运行,允许您与模型交互。
4. 运行 llama 3.2 模型
要在 android 设备上运行 llama 3.2 模型,请按照以下步骤操作:
-
选择型号:
- 像llama3.2:3b(30亿个参数)这样的模型可供测试。为了提高效率,这些模型被量化。您可以在 ollama 的网站上找到可用型号的列表。
下载并运行 llama 3.2 模型:
./ollama run llama3.2:3b --verbose
--verbose 标志是可选的,并提供详细的日志。下载完成后,您可以开始与模型交互。
5. 绩效管理
在 samsung s21 ultra 等设备上测试 llama 3.2 时,1b 型号的性能平稳,3b 型号的性能易于管理,尽管您可能会注意到旧硬件上的延迟。如果性能太慢,切换到较小的 1b 模型可以显着提高响应能力。
可选的清理
使用 ollama 后,您可能需要清理系统:
- 删除不需要的文件:
chmod -r 700 ~/go rm -r ~/go
- 将 ollama 二进制文件移至全局路径:
cp ollama/ollama /data/data/com.termux/files/usr/bin/
现在,您可以直接从终端运行 ollama。
结论
llama 3.2 代表了人工智能技术的重大飞跃,为移动设备带来了强大的多模式模型。通过使用 termux 和 ollama 在本地运行这些模型,开发人员可以探索不依赖云基础设施的隐私优先、设备上 ai 应用程序的潜力。有了 llama 3.2 这样的模型,移动 ai 的未来看起来很光明,可以为各个行业提供更快、更安全的 ai 解决方案。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
cf-doh:从前端 javascript 查找 DNS 记录
- 上一篇
- cf-doh:从前端 javascript 查找 DNS 记录
- 下一篇
- 如何在java中创建不可变类?举例说明
-
- 文章 · python教程 | 1天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 2天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1166次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1151次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1327次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1268次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1126次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

