测试环境

AMD EPYC 7V13 64-Core 24核

220GB 内存

NVIDIA A100 80GB PCIe

下载安装 ollama

打开 https://ollama.com/，直接下载安装即可。

配置 ollama

有三个环境变量要配置。

# api 服务监听地址
OLLAMA_HOST=0.0.0.0:1234
# 允许跨域访问
OLLAMA_ORIGINS=*
# 模型文件下载位置
OLLAMA_MODELS=F:\ollama\models

退出所以 ollama 程序，然后在控制台执行命令启动 ollama：

ollama serve

在 lobechat 中配置使用 ollama 的模型：

使用 RAM 内存扩展显卡内存

默认情况下，显卡的内存决定了可以运行多大的模型，当时有 ollama 运行模型出现以下情况的报错时，说明显存不足以运行该模型。

Error: llama runner process has terminated: error loading model: unable to allocate CUDA_Host buffer
Error: llama runner process has terminated: error loading model: unable to allocate CUDA0 buffer

deepseek-r1:671b 模型文件大约 404GB，但是笔者的显卡是 80GB，RAM 是 220GB，都凑一块还是不够，那么就需要使用 RAM 内存扩展显存，接着使用 VRAM 内存扩展 RAM 内存。

按下 Windows + R 键，输入 systempropertiesadvanced 打开系统属性面板，按下图所示进入虚拟内存管理。

按照下图所示，找一个 IO 读写速度最快的驱动器，设置自定义大小空间，然后点击 “设置” 保存配置。

查看任务管理器，检查虚拟内存是否成功分配，如下图所示，笔者的机器已经扩展到 521GB 内存。

执行命令 nvidia-smi ，查看显卡有多少内存。

然后添加环境变量，设置 OLLAMA_GPU_OVERHEAD=81920000000，即 80GB，ollama 会在显卡上使用 80GB 的显存，然后使用 RAM、VRAM 加载模型。

退出 ollama ，退出终端控制台，重新执行 ollama run deepseek-r1:671b。

运行模型

ollama run deepseek-r1:671b

由于使用了 RAM 和 VRAM，因此加载模型需要非常长的时间，这里耐心等待。

回答问题非常慢。