保姆级一键部署DeepSeek

最新推荐文章于 2026-01-05 17:13:14 发布
原创 最新推荐文章于 2026-01-05 17:13:14 发布 · 488 阅读 · 5 ·
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：

#语言模型 #AI写作 #文心一言 #gpt

DeepSeek一键部署到Windows

前置条件

  • 本机条件：4060显卡、32G内存
  • Windows11系统为例，需要注意系统Win10及以上
  • 下载加速器（我是用IDM+科学上网，如果大家需要可以后期我传一个百度网盘链接）

安装ollama

准备工作

下载ollama

  • 首先上链接:ollama官网，点击Download，选择一个合适的版本，（这里可以用IDM+科学上网）
    在这里插入图片描述
    在这里插入图片描述
    解决国内部分网络无法下载的问题
  • 你可以自行科学上网解决，比如加速器等对GitHub进行加速；
  • 也以下链接至浏览器或IDM软件直接进行下载即可

在这里插入图片描述

安装ollama

直接点击Install，等待一段时间，安装完毕。
在这里插入图片描述
点击 Win+ R，输入cmd，唤醒命令行，检查ollama安装是否完成

ollama --version

在这里插入图片描述

由于模型默认是安装到c盘，我们可以提前配置 改成 自定义的盘符

  • 点击win键，输入系统环境，点击进去，具体步骤看截图
    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

输入上面两个值：，后面那个是路径 可以自定义

OLLAMA_MODELS
D:\Install\virtual\ollama

然后还需要去用户环境变量里，新增两个环境变量

OLLAMA_HOST：0.0.0.0

OLLAMA_ORIGINS：*

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
下载权重文件

  • 权重文件：权重文件
    选择合适的权重大小1.5b 模型，4GB显存就能跑。 7b、8b 模型，8GB显存就能跑。 14b 模型，12GB显存能跑。 32b 模型，24GB显存能跑。
    这里我选择14b模型，直接复制命令，粘贴到命令行中，等待一段时间。
    我这是
ollama run deepseek-r1:14b

在这里插入图片描述
在这里插入图片描述
安装完成后会出现success字样
可以通过ollama list命令查看下载的模型库

ollama list

启动Deepseek

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

通过命令，运行下载的模型

ollama run [模型名称]

我这是

ollama run deepseek-r1:14b

在这里插入图片描述

这里的话我们就下载好了，出现了一个success，那么我们就可以直接进行对话了，如果想退出对话的话，我们可以输入/bye来退出对话

在这里插入图片描述

一键安装DeepSeek大模型脚本来了，保姆级DeepSeek大模型本地部署攻略，零延迟畅享AI智能服务
理论都是虚的，代码才是王道。
02-27 2776
通过本地部署DeepSeek大模型，不仅能摆脱网络延迟的束缚，还可根据需求灵活调整配置，释放AI的全部潜力。赶紧动手部署本地DeepSeek大模型，开启你的私人AI之旅吧！近日来，AI大模型技术发展迅猛，DeepSeek凭借其强大的智能交互能力成为众多开发者和AI爱好者的首选工具。然而，云端服务的延迟和稳定性问题常令人困扰。打开DS大模型安装助手，主界面会推荐与当前硬件匹配的模型版本（如7B/13B参数模型）。”，软件将自动解压并加载模型至本地。实现无卡顿、超流畅的AI体验，助你轻松拥有私人AI助手！
云峦KOS一键部署Deepseek教程
weixin_49230371的博客
02-28 874
乙巳蛇年伊始，DeepSeek-R1大模型横空出世，凭借“四两拨千斤”的创新实力火爆出圈，在人工智能领域引起了强烈反响。下面，笔者将根据自己的实际体验，简要介绍选取这一方案的原因，并提供保姆级部署教程，详细介绍笔者如何通过Ollama框架，实现DeepSeek R1的在线、离线本地化部署，以及部署过程中的常见问题与解决方法。当 DeepSeek-r1模型拉取完成后，输入该命令即可在对应的命令行界面(Linux的终端）中，直接与模型进行交互。离线部署需获取模型包，可将训练好的模型包导出，再部署到目标机器。
【部署指南】云峦KOS一键部署Deepseek教程
ITer_szlgz的博客
02-21 269
5、根据内存空间实际使用情况，修改脚本中要进入的目录和模型导入命令。KOS已集成DeepSeek，无需下载、直接部署、效率更高。3、将ollama安装包和模型文件放到指定目录。4、为脚本添加执行权限后运行脚本，进行自动部署。云峦KOS一键部署Deepseek教程。6、部署成功后即可运行模型与之交互。2、DeepSeek模型下载。1、ollama模型下载。7、通过终端进行交互。
兼容性与安全性无忧！一键搞定DeepSeek本地化在线、离线部署
ITer_szlgz的博客
02-08 2830
为了无忧使用DeepSeek，笔者摸排了现有各类部署方案，发现云峦KeyarchOS本地化部署DeepSeek方案与笔者的场景与需求较为吻合。下面，笔者将根据自己的实际体验，简要介绍选取这一方案的原因，并提供保姆级部署教程，详细介绍笔者如何通过Ollama框架，实现DeepSeek R1的在线、离线本地化部署，以及部署过程中的常见问题与解决方法。当 DeepSeek-r1模型拉取完成后，输入该命令即可在对应的命令行界面(Linux的终端）中，直接与模型进行交互。执行完以上步骤，即可运行模型进行交互。
# 10分钟了解DeepSeek，保姆级部署DeepSeek到WPS，实现AI赋能
段子手168的博客
02-14 5768
2024年1月5日，发布DeepSeek LLM，这是深度求索的第一个大模型。2024年1月25日，发布DeepSeek-Coder模型。2024年2月5日，发布DeepSeekMath。2024年3月11日，发布开源的视觉-语言（VL）模型DeepSeek-VL。2024年5月7日，发布第二代开源Mixture-of-Experts（MoE）模型——DeepSeek-V2。2024年6月17日，发布DeepSeek-Coder-V2开源的混合专家（MoE）代码语言模型。
【2025保姆级教程】DeepSeek全场景使用指南：从避坑到高阶玩法
Lucas55555555的博客
02-23 1666
手把手教你用国产大模型DeepSeek实现论文润色、代码生成、教学备课、生活助手等10+场景，附超实用提示词模板！
【DeepSeek本地化部署保姆级教程 】20分钟带你轻松配置与高效运行
录求学之迹，留影于凡庸之日，若有益于君，更胜琼瑶。
02-19 1664
为了方便本地化部署并高效进行大模型推理任务，可以按照以下步骤操作：下载和安装：在LM Studio官网下载对应的版本，并选择安装位置或自定义安装点。配置与设置：点击右上角跳过菜单，进入右下角的“设置”，设置语言为中文。并在线搜索目标模型。模型加载与管理：通过搜索结果点击模型即可加载到当前工作目录中，确保模型文件已正确下载并保存。项目配置：在空间富余盘创建存储模型的文件夹，如 deepseek_model。将训练好的模型文件复制到该文件夹下，并设置为当前工作目录。推理与验证：在对话框中输入问题即可。
本地部署DeepSeek保姆级教程~小白也毫无压力可以投喂数据 Ollama+AnythingLLM
m0_66736896的博客
03-13 1623
随着人工智能技术的快速发展，深度求索（DeepSeek）等智能搜索引擎技术在各行业的应用越来越广泛。为了更好地理解和掌握深度求索的核心技术和应用场景，我们决定进行本地部署DeepSeek的实践与探索。本次教程旨在帮助读者全面了解DeepSeek的部署流程，通过实际操作，读者将能够独立完成一个完整的DeepSeek本地部署，为后续的系统扩展和功能开发打下坚实基础。
云服务器+ Ollama 部署 DeepSeek-R1 保姆级教程（图文并茂版）
weixin_45922644的博客
02-04 5023
登录，进入「控制台」。：选择基础镜像。：至少或更高配置（如A100）。：建议预留100GB以上空间（模型文件较大）。开机后记录实例的。
精选资源
DeepSeek本地部署保姆级教程：7B/14B模型一键安装+GPU加速+隐私保护
02-24
本资源为VIP用户提供全网最完整的DeepSeek本地部署解决方案，涵盖从环境搭建、模型选择（1.5B至671B参数版本）、性能优化到隐私保护的全流程指南，附赠Ollama安装包、ChatBox可视化工具及GPU加速配置脚本，助你打造...
AI写作助手测评大会
卡拉米
12-31 591
2025AI写作助手测评大会聚焦主流AI工具实战表现，通过多轮测试（促销文案、技术文章、创意写作等）进行零偏见对比。参赛选手包括通义千问、Claude3、ChatGPT-4o等10款工具，从内容质量、创意水平、办公效率等维度评分。结果显示：Claude3获综合冠军，通义千问中文表现突出，WPSAI成办公神器。活动包含人机盲测、实时命题等互动环节，会后将发布选型指南和提示词模板库。大会旨在帮助创作者实现人机协同，提升内容生产效率。
AI写作助手测评
yyf19890525的博客
01-02 158
本文对当前主流AI写作助手进行了系统测评，从内容生成、语言处理、指令理解等维度建立评估体系。研究采用客观指标（文本质量、事实准确性）与主观评价（人工评分、用户体验）相结合的方法，测试了不同AI助手在创意写作、学术论文、营销文案等场景的表现。结果显示，各系统在语法规范、短文本生成方面表现良好，但在长文连贯性、专业领域准确性和创造性方面仍存在局限。研究建议用户根据具体需求选择工具，同时强调AI写作应定位为辅助工具而非替代人类创作。最后探讨了技术瓶颈与伦理风险，为未来发展方向提供了参考。
【2025实测】10大AI模型API中转/聚合平台横评：一键集成GPT/Claude/文心一言，拒绝重复造轮子
最新发布
LLMAPI的博客
01-05 558
2025年AI开发迎来"多模型智能调度"新范式，API中转平台成为关键基础设施。本文对比评测十大主流平台，其中PoloAPI以统一接口、智能路由和成本优化表现突出；硅基流动则专注企业级全栈解决方案。发展趋势显示：智能调度、成本控制、开发者体验和安全合规成为平台核心竞争力。实测案例表明，专业中转平台可显著提升开发效率（集成时间缩短85%）并优化成本（降低38%）。选择合适平台将帮助开发者聚焦业务创新，而非重复处理基础设施复杂性。
论文创新点怎么找？用GPT-5从四个方面精准切入，快速挖掘有价值的创新（附AI提示词+实用技巧）
智能AI让学术科研更容易
12-30 74
我目前研究的主题是【主题】。举个非常简单的例子：比如别人研究“大学生心理健康”，你就可以不用重复同样的研究，而是可以聚焦“新入学的农村留守大学生的焦虑特征”，问题越聚焦，创新就会越清晰。很多优秀研究，就是在前人工作的基础上，通过一个小切口、小增量，来完成有价值的创新。千万不要忽视数据的价值，其实在很多领域，哪怕咱们的方法平平，只要你用的是别人没用过的数据，那么也算是一种创新。举个简单的例子：比如别人用的是公开的一个数据集，而你采集的是一个真实小样本，或者从公开数据中提取不同的变量组合，这都可以是创新点。
Azure API Management 集成 OpenAI GPT 模型：企业级实践指南
探索云原生与智能化驱动下的安全运维新范式。关注DevSecOps、可观测性、AIOps等前沿领域，与您共赴技术前沿。
01-05 135
本指南详细介绍如何使用 Azure API Management (APIM) 构建企业级的 OpenAI GPT 模型访问层，实现统一管理、高可用性、安全认证和智能负载均衡。 技术栈 API Gateway: Azure API Management (Standard Tier) AI Service: Azure OpenAI Service Authentication: Azure Managed Identity Monitoring: Azure Monitor + Application
使用JMeter压测GPTBots流式接口方案深度解析与实践指南
weixin_57579230的博客
01-05 351
流式接口压测与传统API压测有显著不同，需要特别关注首个有效响应包的时间。由于JMeter等传统压测工具的标准组件无法满足流式接口的特殊需求，我们采用了JSR223 Sampler自定义脚本的方式，实现了对首个token响应时间的精确测量。responseBuilder.append("code:3 出现次数: ").append(code3Count).append("\n")responseBuilder.append("结束原因: ").append(endReason).append("\n")
gpt-oss:20b大模型知识库，ai大模型
qq_34631220的博客
01-02 132
【代码】gpt-oss:20b大模型知识库，ai大模型。
Windows XP原生支持并可以使用NTFS分区吗？支持GPT分区技术吗？三星N310老笔记本可以装什么系统。
hu5566798的博客
01-03 534
32位XP能完美使用NTFS分区，只是在新硬盘分区格式（GPT）上需要转换，对NTFS本身完全没问题32位的Windows XP并不支持新的GPT分区技术，WD硬盘现在就是用的GPT分区技术，所以在XP上使用，要先转化为mbr格式。所以要先下载Disk Genius，运行这个程序，选择WD硬盘，点击自动分区，选择mbr格式，选择自动分区，其他默认，分区完后就可以使用了。三星N310这款上网本。
Windows本地部署deepseek保姆级教程
02-23
<think>嗯，用户想要在Windows本地部署DeepSeek的保姆级教程。首先，我需要确认DeepSeek具体指的是什么。因为DeepSeek可能有不同的应用，比如是深度学习框架、某个特定项目，还是公司提供的工具。假设这里指的是深度求索公司的某个AI模型，比如类似ChatGPT的大语言模型。这时候，我需要考虑用户可能的需求：他们可能想在自己的Windows电脑上部署一个类似ChatGPT的本地模型，用于开发或测试。 接下来，用户可能对技术不太熟悉，所以教程必须详细，每一步都要清晰。需要分步骤讲解，包括环境准备、依赖安装、模型下载、配置和运行测试。同时，用户可能遇到的问题，比如Python环境配置、GPU支持、模型文件过大等，需要提前预警并提供解决方案。 首先，安装Python环境。推荐使用Anaconda，因为它能方便地管理虚拟环境。要指导用户下载安装，并创建专用环境。然后安装PyTorch，这里需要注意CUDA版本，如果用户有NVIDIA显卡，可以加速计算，否则只能用CPU版本，但速度会慢很多。需要判断用户是否有GPU，但教程里应该涵盖两种情况。 然后，模型下载。可能涉及到Hugging Face平台，需要指导用户注册账号，安装git-lfs，下载模型文件。这里可能会有网络问题，国内用户可能需要镜像或者代理，可能需要提示。另外，模型文件通常很大，需要足够的存储空间，比如几十GB，这点要提醒用户。 接下来是代码部分，可能需要从GitHub克隆项目，安装依赖库，比如transformers、torch等。需要检查代码示例是否正确，比如使用AutoModelForCausalLM和AutoTokenizer加载模型，并编写推理代码。注意提醒用户替换模型路径，并根据显存调整batch_size和max_length。 运行部分，可能会遇到内存不足的问题，尤其是没有GPU的用户。需要建议他们使用较小的模型或者减少输入长度。此外，可能存在的错误如缺少库，需要提示安装。 最后，优化和常见问题，比如量化、使用GPU技巧，以及回答可能的疑问，比如是否需要互联网连接，模型是否能微调等。 需要确保教程用词简单，避免专业术语过多，步骤明确，适合新手。同时，检查是否有遗漏的步骤，比如git-lfs的安装，环境变量的设置，或者权限问题。可能还需要提供示例代码，确保用户能直接复制粘贴，并验证代码的正确性。 总结，整个教程需要从环境准备开始，逐步引导用户完成每个步骤，预见到常见问题并给出解决方案，确保用户即使遇到问题也能找到解决办法。同时，提醒用户注意硬件需求和下载时间，避免中途放弃。</think>以下是在 **Windows 系统本地部署 DeepSeek 模型（如 DeepSeek-R1 或类似大语言模型）的详细步骤教程，适合新手操作**： --- ### **一、环境准备** 1. **安装 Python** - 访问 [Python官网](https://www.python.org/downloads/)，下载最新版 **Python 3.10+**。 - 安装时勾选 `Add Python to PATH`，确保环境变量配置正确。 - 验证安装：打开命令提示符（CMD），输入 `python --version`，显示版本号即成功。 2. **安装 CUDA 和 cuDNN（仅限NVIDIA显卡用户）** - 如果有NVIDIA显卡，安装 **CUDA Toolkit 11.8** 和对应版本的 **cuDNN**（加速GPU推理）。 - 参考NVIDIA官方教程配置：[CUDA安装指南](https://developer.nvidia.com/cuda-toolkit)。 3. **安装 Git 和 Git LFS** - 下载 [Git for Windows](https://git-scm.com/download/win)，安装时全部默认选项。 - 安装后打开CMD，运行命令安装Git LFS（用于下载大模型文件）： ```bash git lfs install ``` --- ### **二、获取模型文件** 1. **从Hugging Face下载模型** - 访问DeepSeek官方HF仓库（如 [deepseek-ai/deepseek-llm-7b-chat](https://huggingface.co/deepseek-ai)）。 - 点击“Clone repository”复制模型地址（需注册HF账号并登录）。 - 在本地文件夹打开CMD，运行： ```bash git clone https://huggingface.co/deepseek-ai/deepseek-llm-7b-chat ``` - 等待下载完成（模型可能超过20GB，确保磁盘空间充足）。 2. **备选方案：国内镜像加速** - 如果下载慢，可使用[魔搭社区（ModelScope）](https://modelscope.cn/models?search=deepseek)或代理工具。 --- ### **三、创建Python虚拟环境** 1. **使用conda创建环境（推荐）** ```bash conda create -n deepseek python=3.10 conda activate deepseek ``` 2. **安装PyTorch** - 根据CUDA版本选择命令（无GPU则用CPU版本）： ```bash # CUDA 11.8 pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # 仅CPU pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` 3. **安装依赖库** ```bash pip install transformers sentencepiece accelerate huggingface_hub ``` --- ### **四、编写推理代码** 1. **创建 `run.py` 文件** ```python from transformers import AutoModelForCausalLM, AutoTokenizer model_path = "D:/deepseek-llm-7b-chat" # 替换为你的模型路径 tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto", trust_remote_code=True) prompt = "你好，请介绍一下你自己。" inputs = tokenizer(prompt, return_tensors="pt").to(model.device) outputs = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ``` 2. **调整参数（可选）** - 显存不足时，在 `from_pretrained` 中添加参数：`load_in_4bit=True`（4位量化）或 `load_in_8bit=True`。 --- ### **五、运行模型** 1. **启动推理** ```bash python run.py ``` - 首次运行会自动加载模型，可能需要等待数分钟。 - 如果显存不足，尝试减少 `max_new_tokens` 或使用更小模型（如1.3B版本）。 --- ### **六、常见问题** 1. **CUDA内存不足** - 使用CPU运行：修改代码中的 `device_map="cpu"`。 - 启用量化（需安装 `bitsandbytes` 库）： ```bash pip install bitsandbytes ``` 2. **模型加载失败** - 检查模型路径是否正确，确保所有模型文件已下载完整（尤其是`.bin`和`.json`文件）。 3. **网络问题** - 国内用户可使用镜像源加速下载： ```bash pip install -i https://pypi.tuna.tsinghua.edu.cn/simple [包名] ``` --- ### **七、进阶优化** - **使用vLLM加速推理**（需GPU）： ```bash pip install vllm from vllm import LLM, SamplingParams llm = LLM(model=model_path) ``` - **Web界面交互**： 部署类似 [text-generation-webui](https://github.com/oobabooga/text-generation-webui) 的交互式界面。 --- 通过以上步骤，你可以在Windows本地成功运行DeepSeek模型。如果遇到问题，建议查阅模型官方文档或社区讨论（如Hugging Face、GitHub Issues）。
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

打赏作者

越狱兔崽子

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