与同类大语言模型对比，它不仅对硬件的依赖更小，性能却更高。关键是完全开源，使得对模型在具有行业特性的场景中，有了高度定制的能力。

Gemma模型当下有四个版本，Gemma 7b, 2b, 2b-it, 7b-it 。通俗来说，2b及精简小巧，覆盖了现代流行的语言，对硬件依赖小。7b是常规型的，要有的基本都有了，硬件上最低需要8gb内存（显存）。后缀带it的版本，可适用于nvidia较新显卡，支持int8(fp8), tensorrt核心。但我的40hx硬件被阉割太厉害，连fp16都跑不起来，就没测试了。

安装环境：

我的硬件环境是虚拟机环境，40hx显卡直通，linux系统，远程访问。软件环境需要目标是ollama及open-webui。ollama是大语言模型的一个运行环境，open-webui是基于openAI及ollama的一个前端界面。目前ollama只支持nvidia的GPU加速，别的显卡就不讨论了。

安装过程：

1. 虚拟机安装，这边需要注意的是，显卡必须直通，CPU必须在主机直通模式。不然GPU加速就不能成功。

2. 安装常用的软件，wget curl git nvidia-toolkit

3. 确认环境：nvidia-smi看一下显卡是不是正常驱动，cat /proc/cpuinfo 看一下AVX是否加载。这二点决定了GPU加速

4. 在linux上运行：（要科学）

curl -fsSL https://ollama.com/install.sh | sh 

然后等待安装完成，安装完成后，执行 ollama run gemma:2b 或者 ollama run gemma:7b 等模型下载完毕后，就进入字符界面，你就可以跟机器交流了。按ctrl-d可退出。

5. 远程访问：

因为我是在服务器上安装的，操作需要在PC上，所以需要做一下远程

sudo nano /etc/systemd/system/ollama.service (我是ubuntu系统debian类似，其它系统查看services配置方法）

在nano中，[Service]下面加一行 Environment=“OLLAMA_HOST=0.0.0.0:11434”

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Linux运维工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Linux运维全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Linux运维知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip1024b （备注Linux运维获取）

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算**