Installation de OLLAMA et de Llama 3.2, Mistral sur un PC-AI sous Windows.
LLAMA est un sujet intéressant !
LLAMA se réfère à une application d'intelligence artificielle nommée Large Language Model Application, mais elle porte également le nom d'un modèle d'intelligence artificielle développé par Meta AI. Llama est un type de modèle de langage transformateur qui utilise l'apprentissage autonome pour améliorer ses performances sur les tâches de traitement du langage naturel.
Essayez Llama 3.2 dès aujourd’hui :
Pour installer la solution Ollama sur votre PC sous Windows :
1. Téléchargez Ollama :
• Rendez-vous sur le site officiel d’Ollama et téléchargez la dernière version de l’application pour Windows.
2. Installer Ollama :
• Une fois le téléchargement terminé, ouvrez le fichier .exe que vous venez de télécharger. • Suivez les instructions à l’écran pour installer Ollama sur votre ordinateur. 3. Ouvrir le terminal (invite de commande) puis taper « Ollama » • Si cela fonctionne, tout est OK.Invite de commande Microsoft pour OLLAMA.
4. Installer le modèle Mistral
• Dans le terminal, tapez : ollama run mistral • Vous trouverez tous les modèles ici. https://ollama.com/library • Une fois le modèle téléchargé, tapez « /bye » pour quitter.
ollama run mistral.
Les Modèles OLLAMA :
https://claude.site/artifacts/9f152833-f9ec-4325-b081-0ac16a87e134
Oui c'est l'IA Claude 3.5 Sonnet qui m'aide.
Voici un tableau récapitulatif des modèles OLLAMA les plus récents et populaires. Il inclut le nom du modèle, les tailles disponibles (si spécifiées), et une brève description de chaque modèle.
Ce tableau vous donne un aperçu des différents modèles disponibles, allant des petits modèles comme llama3.2 (1B-3B) aux grands modèles comme llama3.1 (jusqu'à 405B). Il met également en évidence la diversité des fournisseurs (Meta, Google, NVIDIA, Mistral AI, etc.) et des spécialisations (modèles généraux, modèles de code, modèles multimodaux, etc.).
| Nom du modèle | Taille(s) | Description |
|---------------|-----------|-------------|
| llama3.2 | 1B, 3B | Modèles plus petits de Meta's Llama 3.2 |
| llama3.1 | 8B, 70B, 405B | Nouveau modèle état de l'art de Meta |
| gemma2 | 2B, 9B, 27B | Modèle performant et efficace de Google |
| qwen2.5 | 0.5B à 72B | Modèles préentraînés sur jusqu'à 18 trillions de tokens |
| phi3.5 | 3B | Modèle léger de 3.8 milliards de paramètres surpassant des modèles plus grands |
| nemotron-mini | Non spécifié | Petit modèle par NVIDIA optimisé pour le jeu de rôle, le RAG QA, et l'appel de fonction |
| mistral-small | 22B | Modèle léger pour des tâches comme la traduction et le résumé |
| mistral-nemo | 12B | Modèle état de l'art avec 128k contexte |
| deepseek-coder-v2 | 16B, 236B | Modèle de code open-source utilisant Mixture-of-Experts |
| mistral | 7B | Modèle mis à jour à la version 0.3 |
| mixtral | 8x7B, 8x22B | Modèles Mixture of Experts (MoE) par Mistral AI |
| codegemma | 2B, 7B | Collection de modèles pour diverses tâches de codage |
| command-r | 35B | Modèle optimisé pour l'interaction conversationnelle |
| command-r-plus | 104B | Version plus puissante de Command R |
| llava | 7B, 13B, 34B | Modèle multimodal combinant encodeur de vision et Vicuna |
| llama3 | 8B, 70B | Le modèle LLM open source le plus capable à ce jour |
| gemma | 2B, 7B | Famille de modèles légers par Google DeepMind |
| qwen2 | 0.5B à 72B | Nouvelle série de modèles du groupe Alibaba |
| phi3 | 3B, 14B | Famille de modèles légers état de l'art par Microsoft |
Introducing Multimodal Llama 3.2 - DeepLearning.AI
https://learn.deeplearning.ai/courses/introducing-multimodal-llama-3-2/lesson/4/multimodal-use-cases
Langues prises en charge : L’anglais, l’allemand, le français, l’italien, le portugais, l’hindi, l’espagnol et le thaï sont officiellement pris en charge. Llama 3.2 a été entraîné sur une collection de langues plus large que ces 8 langues prises en charge.
Abonnez-vous pour ne manquer aucun de nos tutoriels et informatifs ! #OllamaTutorial #TechTips #ApplicationInstallation #InnovativeTech #OllamaGuide https://blondeduweb.com/liste/tutos/ https://ollama.com/ https://github.com/ollama/ollama
Introducing Multimodal Llama 3.2 - DeepLearning.AI
https://learn.deeplearning.ai/courses/introducing-multimodal-llama-3-2/lesson/1/introduction
---
.png)
