DeepSeek的本地化部署教程(Windows+Mac)(附教程)

软件介绍

DeepSeek-R1‌是幻方量化旗下的AI公司深度求索(DeepSeek)研发的推理模型。该模型采用强化学习进行后训练,旨在提升推理能力,尤其擅长数学、代码和自然语言推理等复杂任务‌。模型背景和功能。DeepSeek-R1是基于R1-Zero的增强版本,采用了修改后的训练工作流程开发。R1-Zero是通过纯强化学习训练的,而R1则在R1-Zero的基础上,利用少量人工标注的高质量数据进行冷启动微调,然后再进行纯强化学习训练‌34。这种训练方式使得R1在推理能力上表现出色,能够在仅有极少标注数据的情况下显著提升其推理能力‌。

MAC系统

  • 适用于Mac用户的实用步骤。

  • 在断网的时候仍然能使用并且可以看到思考过程的 deepseek 本地部署。

简而言之分为以下三步

1.ollama下载及安装      2.chatbox下载及安装      3.使用   

详细步骤

  1. ollama

(1) 下载地址:

https://ollama.com/download   

果下载速度特别慢,

(2)安装ollama

(3)打开终端,输入

ollama run deepseek-r1:14b   

这条命令适用于内存在16Gb及以上的,如果内存更大,也可以选择其他版本,实测14b和32b答案差不多,但是32b速度会慢的比较多。

这里会需要一定的时间下载,需要稍微等待。

终端在这里

  1. chatbox

(1)下载地址:

https://chatboxai.app/zh   

(2)安装

(3)设置 选择Ollama作为模型供应方,选择deepseek r-1 :14b作为模型。

  1. 和deepseek对话

接下来就可以在本地对话了,即使电脑没联网也可以。

这里的deepseek会展示它的<think>

非常有意思,思路很清晰,非常有趣。

人能从中学到一些。

Windows系统

「【电脑软件】DeepSeek R1-7b模型 整合包」来自UC网盘分享,不限速下载链接:

https://drive.uc.cn/s/b16e381d731e4

「【电脑软件】DeepSeek R1-7b模型 整合包」,点击链接即可保存。打开「夸克APP」

链接:https://pan.quark.cn/s/f77b1e585cc7

教程开始**!**

1️⃣下载与安装
👉 进入LM Studio 官网,选择适合自己系统的版本(这里选择 Windows 版)

https://lmstudio.ai/?ref=producthunt

👉 下载完成后,双击安装,可以自定义安装路径,模型文件也能存放在任意大空间的磁盘里,方便管理。

免费支持我们的打卡区!!

拜托大家在看文章的同时,点击下方小Ka片,无需成本的赞赏;你的这个小小举动,对我而言是极大的鼓励,拜托了!好人一生平安~

好心人,摸一下这张小Ka片吧👆👆👆

2️⃣设置中文
👉 运行软件,点击右下角的“设置”按钮语言简体中文,即可完成语言切换。

3️⃣下载无限制版模型
📥模型下载地址:「【电脑软件】deepseek破除限制」,点击链接即可保存。打开「夸克APP」链接:https://pan.quark.cn/s/cc5aefe02dba
🔹感谢 T8star-Aix 分享!
🔹带有 “abliterated” 后缀的模型是无限制版本,可自由交互。
🔹模型性能参考(以 RTX 3060 为例):

  • 7B 模型:1秒 7-10字,流畅运行

  • 14B 模型:1秒 2字,稍慢

  • 32B 模型:10秒 1字,较吃显卡性能(RTX 4090 可流畅运行,内存尽量不要低于32GB)

4️⃣存放模型文件
📂下载的模型需放入:D:\Models\Imstudio-community(确保文件夹结构正确)。

👉 进入 LM Studio,点击左侧文件夹图标模型目录更改路径至 Models 文件夹(不要深入子目录)。


👉路径正确,模型就会自动出现!🎉

5️⃣加载与优化模型
👉 进入软件,点击左上角对话图标加载模型

👉 选择合适的模型(如 14B),调整设置

上下文长度:适中,避免资源消耗过大

GPU 使用率:拉满
CPU 使用率:建议 80%

👉**点击加载,等待蓝条进度完成,即可开始聊天!

**

6️⃣自定义角色设定
🔹在“基础设定”栏填入设定
🔹**AI 会自动代入设定,无需每次重复输入!
💡测试体验后,这个版本可以自由聊天!本文思路参考小黑盒Honglizi

如何系统的去学习大模型LLM ?

大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?”“谁的饭碗又将不保了?”等问题热议不断。

事实上,抢你饭碗的不是AI,而是会利用AI的人。

科大讯飞、阿里、华为等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?

与其焦虑……

不如成为「掌握AI工具的技术人」,毕竟AI时代,谁先尝试,谁就能占得先机!

但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。

基于此,我用做产品的心态来打磨这份大模型教程,深挖痛点并持续修改了近70次后,终于把整个AI大模型的学习门槛,降到了最低!

在这个版本当中:

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲,跟着我做即可,为了让学习的道路变得更简单,这份大模型教程已经给大家整理并打包,现在将这份 LLM大模型资料 分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线

阶段1:AI大模型时代的基础理解

  • 目标:了解AI大模型的基本概念、发展历程和核心原理。

  • 内容

    • L1.1 人工智能简述与大模型起源
    • L1.2 大模型与通用人工智能
    • L1.3 GPT模型的发展历程
    • L1.4 模型工程
    • L1.4.1 知识大模型
    • L1.4.2 生产大模型
    • L1.4.3 模型工程方法论
    • L1.4.4 模型工程实践
    • L1.5 GPT应用案例

阶段2:AI大模型API应用开发工程

  • 目标:掌握AI大模型API的使用和开发,以及相关的编程技能。

  • 内容

    • L2.1 API接口
    • L2.1.1 OpenAI API接口
    • L2.1.2 Python接口接入
    • L2.1.3 BOT工具类框架
    • L2.1.4 代码示例
    • L2.2 Prompt框架
    • L2.3 流水线工程
    • L2.4 总结与展望

阶段3:AI大模型应用架构实践

  • 目标:深入理解AI大模型的应用架构,并能够进行私有化部署。

  • 内容

    • L3.1 Agent模型框架
    • L3.2 MetaGPT
    • L3.3 ChatGLM
    • L3.4 LLAMA
    • L3.5 其他大模型介绍

阶段4:AI大模型私有化部署

  • 目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。

  • 内容

    • L4.1 模型私有化部署概述
    • L4.2 模型私有化部署的关键技术
    • L4.3 模型私有化部署的实施步骤
    • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁:全网最全《LLM大模型入门+进阶学习资源包》免费分享(安全链接,放心点击)👈

### DeepSeek 本地化部署 Mac 操作指南 对于希望在 macOS 上进行 DeepSeek本地化部署,可以遵循以下操作指南来完成安装和配置过程。 #### 准备工作 确保已安装 Docker 和 Docker Compose。Docker 是容器化的基础工具,能够简化应用程序及其依赖项的打包、分发以及运行流程[^2]。可以通过 Homebrew 安装这两个组件: ```bash brew install docker brew install docker-compose ``` 启动 Docker 应用程序并确认其正常运作之后再继续后续步骤。 #### 获取 DeepSeek Coder 仓库 克隆指定 GitHub 或 GitCode 项目到本地环境以便获取必要的文件和支持脚本: ```bash git clone https://gitcode.com/mirrors/deepseek-ai/deepseek-coder-6.7b-instruct.git cd deepseek-coder-6.7b-instruct ``` 此命令会下载最新的源码副本至当前目录下[^1]。 #### 配置环境变量 创建 `.env` 文件用于存储自定义设置参数,如端口映射、内存分配等选项。可以根据实际需求调整这些值以适应不同的硬件条件或网络状况: ```plaintext PORT=8080 MEMORY_LIMIT=4g THREADS=4 ``` 以上仅作为示例展示,默认情况下可能不需要特别修改除非有特殊要求。 #### 启动服务 利用 `docker-compose.yml` 来编排多个关联的服务实例,在终端执行如下指令即可一键启动整个应用栈: ```bash docker-compose up -d ``` 这一步骤将会拉取所需的镜像资源,并按照预设规则自动构建所需的服务容器群组。 #### 访问 Web 界面 一旦所有进程都成功初始化完毕后,打开浏览器访问 http://localhost:8080 即可进入管理后台界面开始体验 DeepSeek 提供的各项功能特性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值