liunx服务器本地部署deepseek-r1:1.5b通过网页链接使用

最新推荐文章于 2025-11-06 10:22:44 发布
原创 最新推荐文章于 2025-11-06 10:22:44 发布 · 731 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#服务器 #运维 #人工智能

部署运行你感兴趣的模型镜像

一、本次本地部署deepseek安装系统为：Anolis OS 8.6

1、首先下载拉取deepseek镜像工具，通过这个工具拉取deepseek镜像。

curl -L https://ollama.com/download/ollama-linux-amd64.tgz -o ollama-linux-amd64.tgz
sudo tar -C /usr -xzf ollama-linux-amd64.tgz

2、配置ollama的system启动脚本

 [Unit]
Description=Ollama Service
After=network.target

[Service]
Environment=OLLAMA_HOST=0.0.0.0:11434
ExecStart=/usr/bin/ollama serve
Restart=always
User=root
Group=root

[Install]
WantedBy=multi-user.target

3、开启服务并设置开机自启

systemctl start ollama
systemctl enable ollama

4、测试ollama是否安装成功

#可以通过服务器ip+port访问
#http://192.168.253.129:11434/
#页面返回Ollama is running 说明启动成功
#查看版本号
ollama --version
#查看拉取的镜像有哪些
ollama list

5、拉取deepseek-r1:1.5b镜像

ollama pull deepseek-r1:1.5b

6、运行deepseek-r1:1.5b

ollama run deepseek-r1:1.5b

二、下载客户端通过客户端进行访问以及使用deepseek

客户端下载地址
https://chatboxai.app/zh
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
配置chatbox接入本地的deepseek
在这里插入图片描述
在这里插入图片描述
到此步骤就可以正常使用，本地部署deepseek。
在这里插入图片描述
到此本地部署deepseek正式完成

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调
LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型（Large Language Model）训练与微调平台。通过 LLaMA Factory，可以在无需编写任何代码的前提下，在本地完成上百种预训练模型的微调

轻量级AI革命：无需GPU就能运算的DeepSeek-R1-1.5B模型及其低配部署指南
03-24 1338
DeepSeek系列模型凭借其创新的架构和高效的性能，成为众多开发者和企业关注的焦点。而其中的R1-1.5B模型，作为家族中参数量最小、资源需求最低的版本，更是备受青睐。
【快速部署deepseek R1 1.5b】
菩提本无树 明镜亦非台 本来无一物 何处惹尘埃
05-21 1306
基于一台只有CPU的虚拟机，快速是DeepSeek R1 1.5b的部署。
快速上手DeepSeek-R1：1.5B、7B、8B版本性能对比与实战体验
最新发布
PinkFlower67的博客
11-06 371
实际测试中发现，平台的一键部署功能让模型演示项目的分享变得特别简单，生成的项目链接可以直接发给团队成员体验不同版本的差异，省去了传统方式需要各自配置环境的麻烦。上体验不同规模的AI模型非常便捷，无需配置复杂环境就能直接对比各版本表现。系统自动处理了模型加载和资源分配的问题，特别适合快速验证不同场景下的模型适用性。
DeepSeek-R1模型1.5b、7b、8b、14b、32b、70b和671b有啥区别？
热门推荐
facaixxx2024的博客
02-02 3万+
deepseek-r1的1.5b、7b、8b、14b、32b、70b和671b有啥区别？码笔记mabiji.com分享：1.5B、7B、8B、14B、32B、70B是蒸馏后的小模型，671B是基础大模型，它们的区别主要体现在参数规模、模型容量、性能表现、准确性、训练成本、推理成本和不同使用场景
本地部署DeepSeek-R1 1.5B
weixin_44502794的博客
01-22 1万+
然后输入ollama run deepseek-r1:1.5b。然后打开windows powershell。等待ollama下载完模型，就是可以使用了。然后安装ollama。
linux系统离线部署deepseek-r1:1.5b
qq_44772261的博客
02-10 2730
在目录/etc/systemd/system下创建文件ollama.service。3.1 找到空间大的地方，建立一个ollama文件夹，把压缩包上传上去，再解压。3.3 这个时候输入ollama，会提示没有该命令，因为没有设置全局可用。3.2 解压得到两个文件夹，进入到bin文件夹下，得到ollama本体。我是为了节约流量，直接运行的，同样道理，把文件拷贝到下方的目录下即可。文件下载到了/root/.ollama/models下。3.4 随便找个地方，输入ollama，发现可用即可。
【linux】在 Linux 上部署 DeepSeek-r1:32/70b：解决下载中断问题
weixin_44502754的博客
02-14 1336
【linux】在 Linux 上部署 DeepSeek-r1:32/70b：解决下载中断问题
Linux下部署deepseek R1流程及问题记录
weixin_45820166的博客
06-17 410
本文介绍了在Linux系统下载并部署7B参数deepseek-r1模型的两种方法：1)通过官网指令下载，但速度较慢时建议使用国内镜像源；2)手动下载对应版本（需根据CPU架构选择）。安装后需检查版本并启动服务，若端口冲突可修改端口号。最后通过ollama命令下载并运行deepseek-r1:7b模型，使用ollama list查看已下载模型，ollama run启动对话测试。文中提供了详细的错误处理方案和参考博客链接。
linux deepseek-r1模型安装
red_sky_blue的专栏
02-13 652
将下载的离线包上传到主机上，解压到制定目录。
Linux 快速部署DeepSeek-R1 蒸馏系列模型
MnivL的博客
02-08 3432
本文记录使用 ms-Swift 框架 对 DeepSeekR1 蒸馏系列模型（7B、14B）在 A100（40GB）* 1 服务器上部署过程与测试结果。
DeepSeek-容器化(Docker)部署vLLM和Open WebUI
03-11 2648
前面小节我们通过conda创建虚拟Python环境，实现vLLM和OpenWebUI的配置，但是这个安装部署会非常繁琐非费时间。我们今天将使用容器来部署。环境还是使用ubuntu20.4，复用上个环境已经安装GPU驱动和模型文件。
win11通过ollama本地部署deepseek-r1:1.5b
李昂的博客
01-24 1万+
deepseek-r1:1.5b这个模型确实很轻量资源占用很少，应该也就占用1GB多点显存，但是也确实比较呆，很多问题都回答不上来，这里如果想要运行其他模型，可以参考ollama的技术文档https://ollama.readthedocs.io/quickstart/ 里面说明了其他模型运行的方式以及所需要的资源。下载完成后安装ollama，默认安装在c盘下面，这个通过默认安装方式无法更改模型就行，安装完成后可以打开CMD窗口输入。首次运行会自动下载模型，运行完成后就可以进行正常交互了。
Deepseek 1.5b本地化部署
qq_59647823的博客
02-05 1387
如果下载的很慢，可以按CTRL+c 停止下载，然后再次输入ollama run deepseek-r1:1.5b重新拉起。打开cmd窗口 输入 ollama run deepseek-r1:1.5b（如无法跳转大github下载，可用迅雷等下载工具打开以下链接下载。点击ollama的安装包单击Install。1.下载安装chatbox AI。2.2模型选择Ollma API。3.拉起deepseek。2.配置chatbox。2.安装ollama。
本地部署deep seek-R1轻量级1.5b
2401_86263733的博客
02-17 1752
下载地址：https://chatboxai.app/zh （Windows版本）这里以1.5B为例，复制以下命令在ollama上运行，等待安装。安装完成有success标志，接下来测试。本机配置：14核，内存16G。
deepseek-r1的1.5b、7b、8b、14b、32b、70b和671b有啥区别？
weixin_40544569的博客
05-30 280
系列提供了多种参数规模的模型（1.5B、7B、8B、14B、32B、70B 和 671B），它们在模型架构、性能表现、资源需求和适用场景上有显著差异。，采用 MoE 架构，支持超长上下文（128K tokens），在复杂任务上表现顶尖。> - 小模型支持4-bit 量化（如 Qwen-1.5B），可在边缘设备运行。> - 小模型（≤7B）响应快（0.1~0.3秒），但深度推理能力弱；> - 追求 低延迟/低成本 → 选 7B/8B（性价比最高）；（科研/代码/决策）：70B 或 671B（API）
部署 DeepSeek-R1:1.5B/7B 模型到本地（该教程由DeepSeek生成）
qq_42092076的博客
02-14 1930
通过以上步骤，您可以在 Windows、macOS 或 Linux（Ubuntu 和 CentOS）上成功部署并使用 DeepSeek-R1:1.5B 及 7B 模型。如果在过程中遇到问题，请参考 Ollama 官方文档或联系社区支持获取帮助！确保模型文件已正确下载并解压到本地。
【三步！手把手教你快速搭建本地deepseek应用】deepseek-r1-1.5b+ollama+anythingllm
神奇代码在哪里
02-13 948
【手把手教你快速搭建本地deepseek应用】deepseek-r1-1.5b+ollama+anythingllmDeepSeek-R1-1.5B 是一个高性能的自然语言处理模型，适用于文本生成、对话系统、文本分类等多种任务。本文将详细介绍如何在本地快速搭建和运行 DeepSeek-R1-1.5B 模型。
DeepSeek-R1（1.5B、7B、8B、14B、32B、70B、671b）的区别和应用
小九啥也不会
02-20 9452
【代码】DeepSeek-R1（1.5B、7B、8B、14B、32B、70B、671b）的区别和应用。
windows系统下word集成deepseek-r1:1.5b
qb3000的博客
02-05 1100
环境：hp 战2笔记本，32g内存，集成显卡，因此只能装deepseek-r1:1.5b,本地部署过程同同macbookpro，可参考前面的文章，尝试将deepseek集成到word中。使用起来效果不怎么好，跟在网页中使用没有什么区别，不能生成表格。
阿里云服务器liunx爆sudo: apt-get: command not found
03-11
如果是在阿里云Linux服务器上遇到了这个问题，则可能是由于当前使用的镜像并非基于Debian/Ubuntu系列，或者是系统配置出现了异常[^1]。 ### 解决方法概述 #### 方法一：重新安装APT工具集 可以尝试通过其他方式...
评论
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