DeepSeek 实现本地部署,支持txt,csv文档的分析

部署运行你感兴趣的模型镜像

一.下载ollama并安装

        官网地址:https://ollama.com/,下载完成后一直默认下一步直到安装完成,如下图。

二.安装模型

        1.按下 win + r 按键,输入 cmd 命令,敲入 "ollama run deepseek-r1:8b"。

版本:1.5b,适用于一般文字编辑使用(需要1.1GB空余空间)ollama run deepseek-r1:1.5b
版本:7b,DeepSeek的第一代推理模型,性能与OpenAl-01相当,包括从基于Llama和Qwen的DeepSeek-R1中提取的六个密集模型(需要4.7GB空余空间)ollama run deepseek-r1:7b
版本:8b,(需要4.9GB空余空间)ollama run deepseek-r1:8b
版本:14b,(需要9GB空余空间)ollama run deepseek-r1:14b
版本:32b,(需要20GB空余空间)ollama run deepseek-r1:32b
版本:70b,(需要43GB空余空间)ollama run deepseek-r1:70b
版本:671b,(需要404GB空余空间)ollama run deepseek-r1:671b

三.下载安装AnythingLLM并安装。

        1.设置模型。 

        2.设置语言 

四.开始使用

1.新建一个工具区,随便起一个名字,"Predicted data"。

2.点击上传按钮并添加csv文档,选中上传的文档并点击movetoworkspace,会看到工具区下方有你添加的文档,然后点击Save and embed 按钮。

3.test_data.csv 数据如下:

x,y,z
1,3,1
2,4,1
3,5,1
1,2,0
1,3,1
2,4,1
0,1,0
2,1,0
3,4,0
2,3,0
3,5,1
2,5,0
1,6,0
4,4,0
5,5,0
3,4,0
0,0,0
2,0,0
6,8,1
9,11,1
8,11,0

 4. 向ds提问

五.帮我点赞,谢谢! 

      

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

### 部署 DeepSeek 实现文件识别 #### 准备工作 为了在本地环境中部署 DeepSeek实现文件识别功能,需准备相应的硬件资源和软件环境。DeepSeek 支持多种不同大小的模型版本,从小型的文字处理到大型的数据集分析均有覆盖[^4]。 #### 安装 Ollama 工具 Ollama 提供了一种简便的方法来运行不同的大模型而无需复杂的配置过程。通过简单的命令行操作即可启动所需的大规模语言模型。对于希望快速测试或应用 DeepSeek 的用户来说,这无疑是一个便捷的选择[^2]。 ```bash win+r cmd ollama run deepseek-r1:8b ``` 上述命令用于调用特定版本 (例如 `deepseek-r1:8b`) 的 DeepSeek 模型进行推理计算。根据实际需求可以选择其他合适尺寸的预训练权重文件来进行加载。 #### 设置存储路径 考虑到 C 盘通常是操作系统所在的位置,默认情况下可能会受到磁盘空间限制的影响,在安装前建议调整目标位置至具有充足容量的空间内。以 LM Studio 软件为例,可以在首次启动时指定自定义目录保存所使用的模型数据,从而有效管理硬盘利用率[^3]。 #### 文件识别的具体实施 一旦完成了以上准备工作之后,便可以通过集成的方式让 DeepSeektxtcsv 类型文档的内容作出解析响应。这意味着只要确保待处理的目标文件位于可访问范围内,并按照官方指导完成必要的接口对接,则能够顺利达成预期中的自动化文本理解任务。
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

风亲云叹

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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