本地部署DeepSeek-R1，轻松上手！

“旺”气冲天

已于 2025-02-13 22:10:09 修改

阅读量177

点赞数 3

文章标签： ai 人工智能

于 2025-02-13 22:09:15 首次发布

本文链接：https://blog.youkuaiyun.com/HDhaisenbao/article/details/145621555

版权

最近研究了一下如何在本地部署DeepSeek-R1模型，真的超级方便！分享给大家我的经验✨。

首先，我选择了Ollama作为部署工具，因为它支持跨平台并且自带模型管理功能，非常适合新手。安装步骤也很简单，只需要访问官网下载对应系统的安装包，然后通过命令ollama run deepseek-r1:7b下载模型即可。

如果你喜欢可视化操作，可以试试LM Studio，它的图形化界面非常友好，适合不喜欢敲命令的小伙伴😊。

在选择模型版本时，可以根据自己的硬件配置来决定。比如，我的电脑是8核CPU/16GB内存，所以我选择了7B版本，既可以进行代码生成，又能做逻辑推理，效果非常好👍。

最后，别忘了通过Docker部署OpenWebUI，这样你就可以在浏览器里使用类ChatGPT的交互界面了，真的是太棒了！

希望这些经验能帮到你们，如果有任何问题，欢迎留言讨论哦！💬

🏷️#DeepSeek-R1 #本地部署 #AI模型 #Ollama #LMStudio

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

“旺”气冲天

关注关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

大模型实战篇之Deepseek二、一键部署DeepSeek-V3和DeepSeek-R1模型

xiaoqi270620903的专栏

02-06

2262

今天，我们将详细介绍如何在阿里云PAI Model Gallery上通过零代码的方式一键部署DeepSeek-V3和DeepSeek-R1模型，帮助开发者和企业用户快速实现AI模型的落地应用。了解DeepSeek模型：DeepSeek是一个强大的语言模型，支持多种应用场景，如智能客服、文本生成等。在Model Gallery页面的模型列表中，找到并点击需要部署的模型卡片，例如“DeepSeek-R1-Distill-Qwen-7B”。在左侧导航栏中选择“工作空间列表”，点击进入你指定的工作空间。

DeepSeek-R1 源码 + 文档

02-08

DeepSeek-R1 源码 + 文档

参与评论您还未登录，请先登录后发表或查看评论

零门槛，轻松体验阿里云 DeepSeek-R1 满血版：快速部署，立享超强推理能力

热门推荐

LucianaiB的博客

02-12

15万+

DeepSeek-R1 是阿里云推出的先进推理模型，专为解决复杂任务设计，尤其在数学推理、代码生成与修复、自然语言处理等领域表现出色。通过阿里云的“零门槛”解决方案，用户无需编写代码即可快速部署 DeepSeek-R1，大幅简化了部署流程并提升了使用效率。该方案提供了详尽的文档和可视化界面，使开发者能轻松上手。DeepSeek-R1 支持多种模型尺寸，适用于不同场景，如智能客服、代码自动化生成、数学问题求解和跨领域知识推理。

想在本地部署DeepSeek-R1？本地化部署方案！

02-08

1136

需要注意的是，一般模型文件都比较大，如果遇到网络问题导致下载中断或者超时的话，可以用modelscope手动下载模型文件到.ollama/models目录下，然后再重新执行ollama run命令即可。如果在模型下载过程中遇到中断或超时问题，你可以先手动通过modelscope平台下载模型文件，然后将vLLM服务启动命令中的模型名称替换为本地模型文件所在的路径，以便继续使用已下载的模型文件。然而，由于遭受了来自漂亮国的网络攻击以及国人的热情，官网和API调用的稳定性受到了严重影响，极大地损害了用户体验。

【DeepSeek】在本地计算机上部署DeepSeek-R1大模型实战（完整版）

Morse_Chen的博客

02-11

2万+

本文介绍了如何在本地计算机上部署DeepSeek R1大模型，重点讲解了数据隐私、定制化、离线使用等优势，并提供了简便的安装步骤，适合普通用户和开发者，推动AI技术的普及与便利性。

人人都能上手部署DeepSeek-R1蒸馏模型：应用昇思+香橙派 AI Pro实践全流程

prtinf48_9的博客

02-11

2907

本文聚焦于高性能生成式AI模型DeepSeek在香橙派AI Pro开发板上的部署与优化，特别强调NPU加速的应用实践。文章首先介绍了DeepSeek模型的特点及其蒸馏技术的优势，随后详细阐述了香橙派AI Pro 20T开发板的硬件特性，包括高性能AI处理器和丰富的接口功能。核心内容围绕如何通过NPU加速实现DeepSeek模型的高效部署展开，详细介绍了烧录镜像、环境配置、模型运行及优化的完整流程。通过本文，读者可以快速掌握在香橙派AI Pro开发板上部署DeepSeek模型的方法，充分发挥NPU的加速能力。

本地部署DeepSeek-R1模型（新手保姆教程）

weixin_46277779的博客

02-03

3万+

本地部署deepseek-r1模型调用，新手保姆教程，无需代理

DeepSeek-R1 本地电脑部署 Windows系统【轻松简易】

黎国溥

02-06

5984

本文分享在自己的本地电脑部署 DeepSeek，而且轻松简易，快速上手。借助Ollama工具，在Windows系统中进行大模型部署~

DeepSeek-R1 蒸馏模型及如何用 Ollama 在本地运行DeepSeek-R1

llm_way的博客

01-26

1万+

在人工智能飞速发展的领域中，大型语言模型（LLMs）的出现可谓是一项重大变革。在这些模型里，DeepSeek - R1 及其蒸馏模型备受瞩目，它们融合了独特的能力与高可用性。今天我们一起聊一下 DeepSeek - R1 蒸馏模型究竟是什么，它们的工作原理、应用场景，并提供一份使用 Ollama 在本地运行 DeepSeek R1 的详细步骤指南。DeepSeek - R1 蒸馏模型（模型蒸馏（Model Distillation）：AI模型小型化与高效化之道）是强大的 DeepSeek - R1 人工智能

自然语言处理实战：用CRF打造高精度命名实体识别系统

Loving_enjoy的博客

05-03

1648

无论是想快速搭建一个可用的NER系统，还是希望深入理解概率图模型的精髓，CRF都是值得放入工具箱的利器。'prev_is_b-geo': prev_tag == 'B-GEO' # 假设prev_tag是前一个标签。('参观天安门', ['O', 'B-POI', 'I-POI', 'I-POI'])" —— 人工智能先驱吴恩达。- **BiLSTM-CRF**：经典组合，在CoNLL-2003达到91%的F1值。('北京市', ['B-GEO', 'I-GEO', 'I-GEO']),

基于对应点分类的对象识别报错

qq_25194681的博客

05-07

381

【代码】基于对应点分类的对象识别报错。

解锁DeepSeek模型微调：从小白到高手的进阶之路

邓邓子的博客

05-05

1871

本文围绕 DeepSeek 模型微调展开系统阐述。首先介绍 DeepSeek 模型在 AI 领域的重要地位及其优势，点明微调对提升模型性能的关键意义。接着深入解析微调原理，涵盖迁移学习基础与参数更新机制。随后详细讲解数据准备、模型选择加载、微调训练实战等核心步骤，包括数据收集标注预处理、参数设置与策略选择。还通过实战案例展示微调全流程，并基于评估结果提出优化改进方法。最后对 DeepSeek 模型微调进行总结，展望其未来发展方向，为希望掌握 DeepSeek 模型微调技术的读者提供全面指导。

『MaxKB业务实战（四）』在MaxKB中实现图片问答

老陈聊架构

05-07

1337

本文详细介绍了在MaxKB中实现图片问答功能的完整流程，包括图片上传、存储、展示以及AI返回图片回答的步骤。AI应用通过关联知识库，能够返回图片回答，提升用户体验。此外，文章还介绍了如何创建高级编排应用并设置图片上传参数，以便后续接入图片大模型进行识别。

基于MATLAB图像中的圆形目标识别和标记

xrgs_shz的博客

05-05

996

这个公式的来源是，对于圆来说，这个值等于1，因为圆的周长P=2πr，面积A=πr²，代入得4π*(πr²)/(4π²r²)=1。例如，正方形的面积是a²，周长是4a，所以圆度为4πa²/(4a)^2 =4πa²/(16a²)=π/4≈0.7854。'y', 'FontSize',14,'FontWeight','bold') %在边界左侧显示圆度。

《目标检测项目总结》

最新发布

2502_90678230的博客

05-08

544

典型算法：- R-CNN（Region-based Convolutional Neural Networks）- Fast R-CNN- Faster R-CNN- Cascade R-CNN2. One stage算法定义：One stage算法将目标检测任务作为一个端到端的任务，直接在输入图像上预测目标的类别和位置，无需显式生成候选区域。COCO数据集的优势和劣势：优势：1. 规模庞大：包含20万个图像和80个类别，标注目标超过50万个，适合训练复杂的目标检测模型。解决COCO数据集标注复杂的问题，

Qwen3 混合思维模版解读

qq128252的博客

05-07

741

在人工智能迅速发展的今天，大型语言模型（Large Language Models，简称LLM）正逐渐成为各类应用的核心组件。其中，对话模板（Chat Template）作为连接用户与模型的关键桥梁，对确保高质量的交互体验至关重要。本文将深入解析Qwen3使用的对话模板，揭示其如何优雅地处理多轮对话、工具调用等复杂场景。

我让AI接管了浏览器！Browser Tools MCP教程：自动Debug+截屏+SEO分析

seeyouintokyo的博客

05-03

1838

小白友好，且效率翻倍

英伟达语音识别模型论文速读：Token-and-Duration Transducer（TDT）架构

weixin_52582710的博客

05-05

1574

论文提出的 TDT 模型通过在传统 Transducer 模型中加入显式的持续时间建模，在语音识别、语音翻译和口语理解等多个序列任务中均优于传统 Transducer 模型。TDT 模型不仅在准确率上表现相当或更好，而且在推理速度上显著提升，最高可达 2.82 倍加速。此外，TDT 模型在抗噪声和处理重复 token 方面也展现出更强的鲁棒性。未来的工作将致力于进一步提高 TDT 模型的计算效率和准确性，并开发高效的 TDT 模型束搜索算法。

Deepseek基础-api key申请及应用(java)、硅基流动api key申请及应用(dify)

简单记录

05-05

1000

要识别的车票和发票图片。

一文速览DeepSeek-R1的本地部署

02-24

### DeepSeek-R1 本地部署教程快速上手指南 #### 环境准备为了确保顺利安装和运行，建议先确认计算机满足最低硬件要求，并已安装必要的软件依赖项。这通常包括 Python 版本兼容性和其他开发工具包。 #### 步骤一：获取源码或镜像文件可以从官方渠道下载最新的 DeepSeek-R1 发布版本或者 Docker 镜像。对于大多数用户来说，使用预构建的 Docker 镜像是最简单的方式[^1]。 ```bash docker pull deepseekai/deepseek-r1:latest ``` #### 步骤二：初始化配置启动容器前需创建并编辑配置文件 `config.yaml` 来指定数据路径和其他参数设置。此步骤允许自定义存储位置以及调整性能选项以适应具体应用场景的需求[^2]。 ```yaml data_path: "/path/to/data" log_level: "INFO" ... ``` #### 步骤三：启动服务一切就绪之后就可以通过命令行来启动 DeepSeek-R1 的实例了。如果选择了 Docker 方式，则可以利用如下指令： ```bash docker run --name=deepseek-r1 -v /local/path:/container/path -p 8080:8080 deepseekai/deepseek-r1 ``` 上述命令会映射端口并将主机目录挂载至容器内以便访问外部资源。此时应该能够通过浏览器或其他 HTTP 客户端连接到正在监听的服务接口地址 http://localhost:8080/ 进行交互测试。一旦完成了这些基本设定，便可以根据实际业务逻辑进一步探索更多高级特性的应用可能性，比如集成第三方 API 或者训练定制化模型等。