部署DeepSeek到windows本地包含报错解决!!!

win11本地部署 DeepSeek-R1 大模型!免费开源,媲美OpenAI-o1能力,断网也能用 是否安装成功,然后直接运行部署deepseek-r1的命令。,出现下面界面即为安装成功。在cmd窗口中先输入。 阅读详情
AI摘要

本文详细介绍了如何在Windows系统上部署DeepSeek,包括下载和安装Ollama、下载和安装模型,以及遇到安装错误时的解决方案。通过执行特定命令和修改端口号,成功安装后即可使用DeepSeek进行提问,同时提供了搭建个人知识库和私人AI助手的参考链接。

下载Ollama

官网网址https://ollama.com/download
在这里插入图片描述

安装Ollama

在这里插入图片描述点击Install
安装完成后是没有图标的
按住win+R,输入cmd,点击确认
在这里插入图片描述
在弹出的窗口中输入
ollama -v 回车,显示:ollama version is 0.5.7 就说明安装成功了

下载模型

点击官网的 models,选择适当的模型大小,默认以c盘剩余空间预留的大小为准。点击复制按钮,复制命令ollama run deepseek-r1:32b
在这里插入图片描述

安装模型

窗口中输入复制的命令并回车耐心等待安装完成
在这里插入图片描述

报错解决

出现报错安装失败
Error: Post “http://127.0.0.1:11434/api/show”: read tcp 127.0.0.1:52647->127
解决办法:
结束下面的进程
在这里插入图片描述
修改ollama端口号
ollama serve --port 11451
重新安装ollama run deepseek-r1:32b

安装完成后窗口可以直接提问

在这里插入图片描述

Anythingllm搭建可视化个人知识库、私人ai助手,参考此文,步骤详细

https://blog.youkuaiyun.com/Jjavaer/article/details/145688235?spm=1001.2014.3001.5501

Win本地部署DeepSeek Ollama 提供了简单的接口,用于创建、运行和管理这些模型,同时还维护了一个丰富的预构建模型库,可以轻松集成到各种应用程序中。重启ollama,具体操作为打开搜索ollama进程,将其结束进程,之后再执行相关模型下载命令即可,或重启电脑!Ollama支持多种DeepSeek模型版本,用户可以根据硬件配置选择合适的模型。配置添加系统环境变量OLLAMA_MODELS,设置其值为新的路径,点击确定应用。安装完成后,在终端输入以下命令,检查Ollama版本。:14B、32B或70B版本,适合高端GPU。 阅读详情

相关推荐

一文看懂如何进行DeepSeek本地部署及搭建个人知识库

DeepSeek本地部署及搭建个人知识库教程

weixin_40404356的博客 1904

Apifox:post “http://127.0.0.1:8080/login“;: dial tcp 127.0.0.1:8080: connect: connection refused

于是我下了个postman来对同样的接口进行测试,也是没问题的!那就是Apifox的问题了!尝试将postman中成功的接口导出到Apifox中,忽然发现有个提示说:什么只能通过内网访问的,需。dial tcp 127.0.0.1:8080: connect: connection refused“,但一些get方法的地址我直接输入在浏览器上是可以正常返回的!尝试使用Apifox来对接口进行测试,显示“错误:Post "安装后,我的接口就可以正常调试了!

garbage回收中心 3047

DeepSeek R1 Win10本地部署

最近国产大模型 DeepSeek 非常火,但由于访问人数过多经常频繁出现反应迟缓甚至是宕机的情况。但万幸的是,DeepSeek 是一个开源模型,我们可以通过本地部署在自己的终端上随时使用,而且部署到本地后无需联网即可直接使用。

GY的的专栏 1750

ApiPost 无法访问以下内容Error: Invalid protocol: 127.0.0.1:

环境变量中有一个http_proxy的环境变量,将其删除重启apiPost即可。

m0_65179181的博客 5883

Client error ‘404 Not Found‘ for url ‘http://localhost:11434/api/chat‘ while using ReActAgent of ...

在使用 `llama_index.core.agent` 的 ReActAgent 时,出现客户端错误 '404 Not Found',网址为 'http://localhost:11434/api/chat'。

suiusoar 2306

ollama 0.5.7.0安装包,来自git

ollama 0.5.7.0安装包,来自git ,

DeepSeek本地部署+投喂数据训练AI教程!!

DeepSeek-R1,是深度求索(DeepSeek)研发的推理模型,本地部署后完全免费,无使用次数限制。DeepSeek-R1采用的大规模强化学习技术,尤其擅长数学、代码和自然语言推理等复杂任务。DeepSeek-R1系列模型(1.5b~671b)开源且免费,进一步降低了AI应用门槛,赋能开源社区发展。使用教程❶Win版安装教程(Ollama+AnythingLLM安装、DeepSeek模型下载)❷Mac版安装教程(Ollama+AnythingLLM安装、DeepSeek模型下载)

2301_76168381的博客 15万+

Bertopic库安装(二)

Bertopic库安装

weixin_43392789的博客 4893

【干货教程】Windows电脑本地部署运行DeepSeek R1大模型(基于Ollama和Chatbox)

Windows电脑本地部署运行DeepSeek R1大模型(基于Ollama和Chatbox)

1万+

工业自动化中气动夹爪选型、调试与维护全流程实战解析

在工业自动化领域,气动执行元件是实现精准抓取与搬运的基础。其工作原理是通过压缩空气驱动气缸,转化为直线或旋转运动,从而控制夹爪的开合。这类技术因其结构简单、响应快速、成本低廉及维护方便,在自动化产线中具有极高的技术价值,是实现高效、可靠物料搬运的核心单元。其典型应用场景涵盖电子装配、汽车制造、食品包装等行业的上下料、分拣与定位工序。本文以工业自动化中常见的二指平行气动夹爪(常被工程师代号化为“Gripper-A”)为例,深入剖析其从硬件选型、气动系统集成到程序逻辑联锁的完整工程实践。内容聚焦于夹持力计算中惯

weixin_42629671的博客 365

用Python玩转Milvus:从安装SDK到完成第一个向量搜索Demo

本文为Python开发者提供了一份详细的Milvus向量数据库实战指南。文章重点讲解了如何规避版本兼容性陷阱,正确部署Milvus服务端并安装匹配的Python SDK。通过一个电影推荐系统的完整案例,演示了从数据建模、集合创建、向量插入、索引构建到执行混合搜索的全流程,帮助开发者快速上手并完成第一个向量搜索Demo。

weixin_29239279的博客 192

DeepSeek + Ollama 本地部署全流程

本文介绍了如何在 Windows 上安装 Ollama 并运行 DeepSeek R1,包括安装、下载模型、启动本地 AI 推理,并且提供了在中调用本地 AI 模型的方法。💡本地 AI 模型的优势✅ 保护隐私,代码不会上传到云端✅ 无需依赖外部 API,断网也能用✅ 降低成本,无需订阅付费 API如果你有任何问题,欢迎在评论区交流!🔥。

pitt1997的博客 3088

微信小程序使用ucharts折线图,有负数显示0刻度线

当数据有负数和正数的时候默认不会显示0刻度线,不方便看出正负对比。

欢迎来到我的博客!在这里,我将分享我在前端开发方面的知识和经验。让我们一起探索前端开发的无限可能! 1579

Windows本地部署DeepSeek

本文介绍了Ollama、Docker和OpenUI的本地私有化部署流程。首先下载Ollama安装包并通过命令行指定安装目录,测试成功后安装deepseek-r1:1.5b模型。接着配置Docker环境,包括启用Windows功能、安装Docker Desktop并设置镜像加速。最后通过Docker拉取OpenWebUI镜像并运行容器,在本地3000端口搭建可视化界面。完成部署后即可通过浏览器访问本地AI服务。整个流程包含详细的操作步骤和常见问题解决方案。

roman 765

实战!C#整合YOLO+Halcon做玻璃瓶口缺陷检测:裂纹识别+尺寸测量一步到位(附DLL交互代码)

AI擅长语义识别(裂纹、缺陷),传统机器视觉擅长精密测量(尺寸、位置),C#做整合层,才能满足工业生产的“精度+效率+稳定性”要求。这套方案不只是玻璃瓶检测能用,改改模型和测量逻辑,还能用到瓶盖缺陷检测、饮料瓶液位检测等场景。如果你们厂也有类似的质检痛点,评论区留个言,我帮你看看怎么调整算法参数。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 868

金属表面粗糙度对信号的影响

之前的文章中,已经采用CST中的微带线模块进行了很多的仿真分析,本文将再次利用这些模块,从另外一个角度去探讨关于传输线的使用问题--金属的表面粗糙度。 众所周知,数据传输中,当速率越来越高时,信号在金属介质中的趋肤效应就愈发明显,能量就会更多地集中于金属的表面进行流动,此时,如果金属表面不再光滑而是凹凸不平,能量的传输过程就会产生波动,当这种波动积累到一定的量级,就会严重影响到传输线的阻抗稳定性,从而导致信号失真和传输异常。

一只豌豆象的博客 2895

Windows11本地部署DeepSeek

下载后点开 OllamaSetup.exe直接Instell,没办法改路径,会直接下载到C盘可以看到左下角隐藏图标里已经有Ollama了在终端打开ollama。

OvO_ll的博客 818

npm报错 npm WARN deprecated....的问题解决方式

报错 :npm WARN deprecated … 现象:无法进行有效的vue项目的部署以及npm install 命令的执行。 原因一:版本问题 说明:由于npm的版本过低或者过高导致的报错 检查版本: npm -v 如果版本是比较旧的,或者是最新的,这里可以进行对npm的更新和回退。 更新npm版本: npm updated -d 查看可以更新的版本 npm install -g npm 默认安装最新版本 安装回退指定的版本: npm updated -d 查看所有的版本 npm -g i.

任聪聪的博客 16万+

【文摘】DeepSeek本地部署与应用开发—基于Windows和Linux本地部署实操

【文摘】DeepSeek本地部署与应用开发—基于Windows和Linux本地部署实操

1477

TypeError: ‘<=‘not supported between instances of ‘float’and ‘str‘解决方案

本文主要介绍了TypeError: '

weixin_43178406的博客 28万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

OpenClaw 本地部署+DeepSeek 模型对接全指南:从初始化到问题全解决

本文以 Windows 环境为基础,详解轻量级可本地部署的 AI Agent 网关 OpenClaw 的落地全流程,核心介绍其安装、初始化及与 DeepSeek 大模型的对接方法,因 DeepSeek API 兼容 OpenAI 接口规范,可通过自定义提供商完成对接。同时梳理部署中新手高频的 7 类报错,分析根因并给出落地解决方案,还提供安全、部署、模型对接的最佳实践与避坑指南,重点解决了模型上下文窗口过小的核心报错,按教程可快速搭建专属 AI Agent 网关,后续还能拓展进阶功能。

tomcatnginx的博客 1万+

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

基于vLLM部署企业级DeepSeek大模型

Ollma框架适合个人用户私有化本地部署,但在多用户并发场景下性能衰减明显。vLLM 是由加州大学伯克利分校 LMSYS 组织开源的大语言模型(LLM)高速推理框架。它旨在显著提升实时场景下语言模型服务的吞吐量和内存使用效率。vLLM 的主要特点包括:1、PagedAttention 技术:vLLM 引入了 PagedAttention 算法,通过分页管理注意力机制中的键(keys)和值(values),有效解决了传统方法中显存碎片化和过度预留的问题。

秃了也弱了 4240

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

从零开始,小白在windows部署deepseek与dify

看到网上那么多deepseek与dify,ragflow,anything等文章,自己部署的时候又踩了好多坑,不停的重装电脑。现在就记录一下deepseek与dify部署的最细记录,以及碰到的问题和解决方法。

m0_53591319的博客 9781

DeepSeek +Ollama+ Dify+Docker :企业本地化部署+本地知识库构建详细教程(Windows)

本文将以Windows系统为例,详细讲解通过Ollama安装量化版DeepSeek-R1模型,并借助Dify平台实现本地化知识库的部署。通过以上步骤,已成功在本地部署DeepSeek-R1模型,并通过Dify平台构建了一个私有化知识库。这不仅降低了成本,还提升了数据安全性,适合企业级应用。

weixin_47590992的博客 4903

Windows电脑本地部署运行DeepSeek R1大模型(基于Ollama和Chatbox)

Windows电脑本地部署运行DeepSeek R1大模型(基于Ollama和Chatbox)

AAI666666的博客 4969

DeepSeek本地部署超详细教程【基于Ollama】

然后,将ChatBox链接到Ollama远程服务上,windows系统的操作方法是,在设置中找到“编辑账户的环境变量”,为用户变量创建新的变量:OLLAMA_HOST值为0.0.0.0,OLLAMA_ORIGINS值为*。在Ollama官网的Models下搜索deepseek,这里我使用deepseek-r1模型,在本地部署该模型。然后重新启动Ollama,在ChatBox的设置-模型中选择deepseek-r1:8b模型后保存。点击deepseek-r1进入,可以看到有很多参数规模的版本,如下图。

weixin_46428351的博客 1326
上一篇: 什么是bonding技术
下一篇: DeepSeep+ollama+Anythingllm如何搭建个人知识库,私有数据训练避免上网!!!
尘埃里的月光
博客等级 码龄6年 2125粉丝 31原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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