Ollama|轻松使用大型语言模型（Llama/deepseek）

最新推荐文章于 2026-01-06 09:44:03 发布

原创最新推荐文章于 2026-01-06 09:44:03 发布 · 259 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#语言模型 #人工智能 #自然语言处理

设备：Mac pro，Apple M2

下载Ollama

Download Ollama on macOS

下载完毕，解压并安装，打开终端

安装llama/deepseek

ollama run llama3.2
ollama run deepseek-r1

安装成功直接使用

llama使用效果：

deepseek使用效果：

（不知道为什么llama返回结果有点奇怪）

参考链接：

ollama‘s github：https://github.com/ollama/ollama

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

妮妮yep

关注关注

2
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
举报

举报

LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文

头部AI社区如有邀博主AI主题演讲请私信—心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，专注，谦虚，自律，反思，成长，还算比较正能量的博主，公益免费传播…内心特别想在AI界做出一些可以推进历史进程影响力的技术(兴趣使然，有点小情怀，也有点使命感呀

05-07

4449

LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用目录基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用 1、配置依赖 2、配置

DeepSeek HuggingFace 70B Llama 版本（DeepSeek-R1-Distill-Llama-70B）

简简单单Onlinezuozuo

02-14

1315

DeepSeek-R1-Zero 是一种通过大规模强化学习（RL）训练的模型，没有监督微调（SFT）作为初步步骤，在推理方面表现出了卓越的性能。随着 RL 的出现，DeepSeek-R1-Zero 自然而然地出现了许多强大而有趣的推理行为。但是，DeepSeek-R1-Zero 遇到了无休止的重复、可读性差和语言混合等挑战。为了解决这些问题并进一步提高推理性能， DeepSeek 开始了 DeepSeek-R1，它在 RL 之前整合了冷启动数据。

参与评论您还未登录，请先登录后发表或查看评论

六大主流大模型架构深度对比（含 Llama/Qwen/DeepSeek）：一篇读懂，强烈推荐！

kaka0722ww的博客

07-22

2536

六大主流大模型架构深度对比（含 Llama/Qwen/DeepSeek）：一篇读懂，强烈推荐！

registry.ollama.ai/library/deepseek-r1:7b does not support tools (status code: 400)问题解决

u014079531的博客

02-21

3616

如图，选择下载带"tools"标识的模型就行。

全面认识了解DeepSeek+利用ollama在本地部署、使用和体验deepseek-r1大模型_ollama deepseek

2401_84208172的博客

05-28

2529

摘要 DeepSeek是一家专注于人工智能的创新型科技公司，成立于2023年7月。其发展历程包括发布多个开源大模型，如DeepSeek LLM、DeepSeek-Coder、DeepSeek-V2/V3等，涵盖语言、代码、数学、视觉等多领域任务。DeepSeek模型技术特点包括性能强劲、开源免费、训练成本低，并采用了多头潜注意力（MLA）、混合专家模型（MoE）优化、多令牌预测（MTP）等先进架构设计。截至2025年，其应用已登顶苹果商店，并在全球AI市场产生显著影响。此外，用户可通过Ollama工具轻松本

Ollama拉取模型出现Error: pull model manifest: Get “https://registry.ollama.ai/v2/library/deepseek-r1/manif

热门推荐

qq_67799133的博客

01-30

2万+

这个网址到浏览器访问一下，应该是被服务器那边认为你是不合法用户，浏览器访问就可以了，当拉取出现这个问题的时候，复制。之后再重新拉取就好了。

DeepSeek R1模型基于ollama部署

qq_42250782的博客

01-26

4986

注：ollama deepseek r1 模型网址：https://ollama.com/library/deepseek-r1:1.5b。它提供了一套工具和命令，使用户能够轻松地下载、管理和运行各种语言模型，包括DeepSeek、LLaMA、LLaVA等流行模型。Ollama是一个专为本地机器设计的开源框架，旨在简化大型语言模型（LLM）的部署和运行过程。第一次执行ollama run deepseek-r1:1.5b 会自动下载模型。可以去直接去官网下载: https://ollama.com/

利用Ollama部署DeepSeek本地模型：从入门到实践

wanganui的博客

02-06

7290

在当前的人工智能领域，模型的本地部署变得越来越重要，尤其是对于那些对数据隐私和安全有高要求的应用。Ollama平台作为一个强大的工具，支持多种深度学习框架和模型的快速部署。本文将详细介绍如何使用Ollama工具搭建DeepSeek模型，并将其应用于本地环境中

在Ollama中使用Llama3.2视觉模型-使用DeepSeekCoder工具

tpriwwq的专栏

11-16

5000

2024年11月6日，Ollama发布了0.4版本，新增支持在本地加载和运行Llama3.2视觉模型，包括11B和90B两个大小的版本。

DeepSeek-R1模型本地部署教程：使用Ollama

加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。

02-12

1057

Ollama是一个开源项目，旨在简化大型语言模型的部署和服务。它支持多种流行的大规模预训练模型，并提供了一键安装、丰富的命令行工具以及用户友好的Web UI 界面。DeepSeek-R1是一款性能强大的开源AI模型，支持代码生成、逻辑推理等复杂任务。由于其在多个任务上的出色表现，DeepSeek-R1成为了众多开发者和研究者的首选模型之一。

利用Ollama部署Llama 3/deepseek-r1模型，只需5行代码即可实现对话

Linshaodan520的博客

01-29

3967

本文介绍了如何用ollama快速在本地部署大语言模型以及模型相关的可调参数含义，并以部署Llama 3和deepseek-r1的代码为例进行介绍

huggingface部署本地大模型DeepSeek-R1-Distill-Llama-70B使用streamlit构建交互式 Web 应用

weixin_41688410的博客

02-25

1436

Streamlit 是一个开源的 Python 库，专门用于快速构建和部署交互式 Web 应用程序，尤其适合数据科学和机器学习领域。以下是关于 Streamlit 的详细介绍：核心功能快速开发Streamlit 允许开发者通过简单的 Python 脚本创建交互式应用，无需编写复杂的前端代码。例如，可以轻松显示文本、数据表格、图表，并添加用户交互控件。数据可视化。

【深度学习新浪潮】deepseek和llama系列模型的技术路线有什么异同？

04-09

541

未来，两者可能进一步融合技术路线：DeepSeek或加强多模态能力，LLaMA可能借鉴低精度训练等优化手段。开发者可根据具体需求选择模型——追求极致效率选DeepSeek，需要多模态通用性则选LLaMA。DeepSeek和LLaMA系列作为当前主流的开源大模型，在技术路线上既有共性也有显著差异。

AI赋能金融科技，VisualProject引领项目管理新潮流

最新发布

weixin_46916369的博客

01-06

318

金融科技项目管理迈入AI赋能新阶段，VisualProject引领智能化转型。随着金融科技竞争转向"体系化能力"，传统管理模式面临需求断层、资源失衡等痛点。维普时代推出的VisualProject通过AI深度融入项目全流程，实现智能需求解析、资源协同和风险预警，使招商银行等项目效率提升40%、延期率降至8%。该产品构建"数据驱动决策"体系，提供30余项核心指标分析，助力金融机构实现精准管理。未来，AI与项目管理的深度融合将持续推动金融科技高质量发展。

人工智能基础篇：概念性名词浅谈（第十五讲）

m0_53104033的博客

12-31

945

本文介绍了两种改进的自编码器模型。正则自编码器通过在损失函数中添加正则化项，实现了对稀疏表示、噪声鲁棒性等特性的学习，突破了传统自编码器的容量限制。随机编码器则通过向编解码器注入噪声，形成生成模型架构，其训练目标是最小化输入与重构间的负对数似然。文章还特别介绍了针对矩阵数据的改进版本MRAE及其在异常检测中的应用。这些模型通过不同的正则化机制，有效提升了自编码器的特征学习能力。

2025年终总结

李梨同学的博客

12-31

925

以往，想把一个产品从想法变成现实，往往离不开一整条由“螺丝钉”拼出来的流水线：需求评审、产品对接、研发排期、测试上线，每一步都要仰赖他人的时间与资源。我试图推倒技术的高墙，用通俗有趣的语言，把晦涩的AI原理“翻译”给更多人听。这条路注定充满了不确定性。正是这风暴般的时代，打破了旧有的壁垒，赋予了像我这样曾经“不务正业”的个体前所未有的杠杆。这一年，我拒绝做一个默默敲代码的“独行侠”，决定走出去，构建自己的知识品牌。三年后再次站在时间的节点回望，这一年于我而言，是从“被浪推着走”到“学会造浪”的转折点。

【金猿CIO展】上海康展物流有限公司董事长兼CIO王浩：AI驱动数智化转型——医药物流供应链的全链路革新之路

数据猿

01-04

615

未来，我们将继续聚焦技术创新与服务升级，深化人工智能、物联网等技术在全场景的应用，以更高效、更合规、更智能的供应链服务，助力大健康产业发展，致力于成为专业医药物流最佳服务商，与行业伙伴共同构建更具韧性与价值的供应链生态。：建立全链路透明服务体系，客户、委托方、康展物流、承运商派送商四方均可通过WEB端、移动端实时跟踪订单信息、物流状态、车辆位置与温度数据，实现发货通知、时效跟踪、回单状态查询、异常反馈等全流程可视化，变被动查询为主动感知。数智化转型的终极目标，是实现运营模式的升级与服务价值的重塑。

GitHub 热榜项目 - 日榜(2026-1-1)

CoderJia的学习之路

01-01

1064

本期GitHub热榜显示AI应用开发正全面渗透各技术领域，前沿项目聚焦于解决实际工程问题。Gemini的电脑使用预览和Timescale的pg-aiguide展示了AI与开发工具深度整合，通过MCP服务器提升代码生成质量。Pathway框架和docetl系统凸显流式ETL与LLM管道技术成熟，推动实时数据分析与RAG应用落地。同时，来自ResembleAI的Chatterbox和TrendRadar分别代表语音合成与智能信息聚合的技术突破，Deep-Live-Cam则体现单图视频生成技术的平民化趋势。这些项

机器学习-逻辑回归的成本函数

weixin_64179111的博客

01-02

315

所以我们只关注对数函数横轴0-1的部分，因为我们模型0要输出两种情况，0-1，所以要分情况去定义成本函数，1是一种情况，0是一种情况，在用代码实现的时候，也要对数据集的输出结果进行区分然后再带入模型进行训练，要用梯度下降，对模型进行训练，代价函数最好是凸函数，这样用梯度下降优化的时候，可以找到全局最小值，在线性回归中，成本函数是，均方误差，计算预测值和真实值的差值的平方，然后取平均值，来衡量模型的效果，所以我们要找到一个新的损失函数来定于逻辑回归的成本函数，如下图所示。下面是输出为0的时候的成本函数。

基于Ollama在Linux部署DeepSeek大模型的完整指南

Ollama是一个专为本地运行大型语言模型设计的开源框架，支持包括LLaMA、Mistral、Phi、Gemma以及DeepSeek在内的多种主流开源模型。它通过封装复杂的模型加载、依赖管理、硬件加速调度等底层逻辑，极大简化了模型部署...