装了Ollama跑模型，但感觉速度很慢，一个字一个字蹦出来。
看了一下任务管理器，GPU占用是0%，感觉模型是在用CPU跑的。
我的显卡是RTX 4060 8GB，应该能跑才对。
请问：
- Ollama怎么设置才能用GPU？
- 需要额外安装CUDA之类的东西吗？
- 怎么确认模型确实在用GPU？
- GPU跑和CPU跑速度差多少？
求配置教程，想把GPU利用起来。
RTX 4060应该是自动识别GPU的，大概率是驱动问题。
NVIDIA显卡配置步骤：
-
更新显卡驱动到最新版
- 去NVIDIA官网下载最新Game Ready或Studio驱动
- 或者用GeForce Experience自动更新
- 驱动版本建议 >= 535
-
确认驱动正常
nvidia-smi能看到显卡信息和CUDA版本就说明驱动没问题
-
重启Ollama服务
- Windows：在系统托盘右键Ollama图标 → Quit → 重新打开
- Linux：
systemctl restart ollama
-
验证GPU是否在用
ollama ps输出里会显示模型用的是GPU还是CPU
Ollama自带CUDA运行时，不需要你单独安装CUDA Toolkit。只要驱动版本够新就行。
1 个赞
补充AMD显卡的情况：
AMD显卡支持状态：
- Linux上通过ROCm支持，需要安装ROCm驱动
- Windows上AMD GPU支持还在改善中，部分型号可能不行
- 支持的AMD型号：RX 7000系列、RX 6000系列等较新的卡
AMD Linux配置：
- 安装ROCm驱动
- 设置环境变量
HSA_OVERRIDE_GFX_VERSION（部分型号需要） - 重启Ollama
Intel显卡：
- 新版Ollama开始支持Intel Arc系列
- 但性能和兼容性不如NVIDIA
如果你的AMD卡在Windows上用不了GPU，建议暂时先用CPU跑，或者切换到Linux环境。NVIDIA确实是跑AI模型兼容性最好的选择。
说说CUDA相关的要求：
Ollama对CUDA的要求：
- Ollama自带CUDA运行时库，不需要单独安装CUDA Toolkit
- 但需要NVIDIA驱动支持CUDA 11.7+（驱动版本 >= 515即可）
- 更新的驱动支持更新的CUDA，建议直接装最新驱动
如果nvidia-smi看不到信息：
- 确认显卡驱动已安装（设备管理器查看）
- 确认不是笔记本的集成显卡在工作（需要切换到独显）
- 笔记本用户检查是否开启了"混合模式"，可能需要在BIOS或NVIDIA控制面板里设置
显存不够的情况：
如果模型太大放不进显存，Ollama会自动把一部分层放到CPU上跑（部分offload），速度介于纯GPU和纯CPU之间。你的4060有8GB显存，7B模型完全放得下，不用担心。
给你看一下CPU vs GPU的实际速度对比（以qwen2.5:7b为例）：
| 硬件 | 生成速度(tokens/s) | 首次响应 |
|---|---|---|
| RTX 4060 (GPU) | 40-60 tok/s | <1秒 |
| RTX 3060 (GPU) | 30-45 tok/s | ~1秒 |
| i7-13700 (CPU) | 8-15 tok/s | 2-5秒 |
| M2 Pro (Apple) | 25-35 tok/s | ~1秒 |
| i5-12400 (CPU) | 5-10 tok/s | 3-8秒 |
GPU比CPU快3-8倍，体感差距很大。CPU跑一个字一个字蹦很正常，GPU跑基本是刷刷地出。
验证GPU速度的方法：
ollama run qwen2.5:7b --verbose
加 --verbose 参数会显示每次推理的tokens/s，对比上表就知道是不是在用GPU了。
2 个赞
补充几个GPU相关的高级设置：
指定使用哪块GPU（多显卡用户）：
# 只用第一块显卡
CUDA_VISIBLE_DEVICES=0 ollama serve
# 用第一和第二块
CUDA_VISIBLE_DEVICES=0,1 ollama serve
控制GPU显存使用：
# 设置最大显存使用量
OLLAMA_MAX_VRAM=6g ollama serve
GPU监控工具：
- Windows：任务管理器 → 性能 → GPU
- Linux：
watch -n 1 nvidia-smi - 第三方：GPU-Z（更详细）
楼主的4060配置很好，确认驱动没问题后GPU应该是自动启用的。如果还是不行，可以看看Ollama的日志有没有错误信息，Windows日志在 %LOCALAPPDATA%Ollamalogs 目录下。
DuMate离线技能有哪些？出差常断网
基础翻译和计算器可以离线，其他都要联网
向量检索召回率上去了但精度下来了，头疼
试试混合检索，关键词+向量一起用
文档切片策略很关键，切太碎上下文就断了
rerank模型加上去效果好了不少