DeepSeek,如何在本地部署---以Macbook(M1)为例

最新推荐文章于 2025-02-26 21:10:31 发布
最新推荐文章于 2025-02-26 21:10:31 发布
阅读量501 收藏 1
点赞数 2
文章标签： 深度学习
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。
本文链接：https://blog.youkuaiyun.com/qq_53284217/article/details/145514729
版权

第一步：下载ollama,可以把它看成一个大模型的管理器，可以加载各种开源模型,网址为Ollama，选择适合自己的系统进行下载。

第二步：打开终端，运行命令ollama run deepseek-r1:1.5b，这里注意，1.5b是模型的参数的大小，这是最小的，根据自己电脑的显存合理下载，除此之外还有7b,8b,14b,32b,70b,671b。运行完这条指令，电脑会自动加载模型并下载，下载完成后就可以和小蓝鲸对话啦！

【DeepSeek】Mac m1电脑部署DeepSeek
weixin_45589713的博客
02-18 1597
Mac m1电脑部署DeepSeek
Mac m1 本地运行 deepseek-r1-distill-qwen-1.5B
za96421955的博客
01-26 7804
本地运行 deepseek-r1-distill-qwen-1.5B；安装Homebrew；安装python；安装依赖；安装编译环境；内存优化；模型示例；在本地使用 DeepSeek-R1-Distill 模型；- 最低配置（CPU 推理）： - CPU：4 核以上（推荐 Intel i5/i7 或 AMD Ryzen 5/7） - 内存：16GB+（模型越小需求越低） - 存储：20GB+ 可用空间（用于模型文件和依赖）
DeepSeek 本地部署（Mac版 安装教程）M1
m0_38082271的博客
02-08 1697
DeepSeek 本地部署（Mac版 安装教程）M1
Mac（m1）本地部署deepseek-R1模型
Batac的博客
02-09 794
直接下载软件，下载完成之后，安装即可，安装完成之后，命令行中可出现ollama命令。
MacBook Pro（M1芯片）DeepSeek R1 本地大模型环境搭建
韵律咖啡馆
02-05 8885
这一阵子deepseek真的是太火了，这不，R1出来后更是掀起AI的狂欢，作为一个AI的外行人，也是忍不住想要拿过来感受一番～～简单了解一下，下面我们进入正题。。。
MacBook 本地部署deepseek教程
m0_37922877的博客
02-11 1538
本文简单记录一下在MacBook 上部署deepseek-r1的教程。本文记录了如何在本地部署Deepseek的过程，及使用体验。为啥部署最小的，因为电脑性能不够。小模型（1B-3B参数）显存要求：4GB-8GB。内存要求：8GB-16GB。CPU要求：i5 8代以上到i7 10代以上。最低显卡型号：GTX 1050/T4到RTX 2060/A10。适用场景：移动端、嵌入式设备、轻量级NLP任务、中小型企业应用等。中模型（7B-13B参数）显存要求：14GB-24GB。
本地部署DeepSeek-R1（Mac版）
wavelee的博客
02-10 1250
安装Ollama选择你电脑配置合适的DeepSeek-R1版本安装桌面UI程序，方便日常使用。
DeepSeek R1 8b 模型本地部署实践
AndroidKt
02-07 2826
基于 MacOS M1 部署 DeepSeek 大模型操作记录
【DeepSeek】DeepSeek R1 本地部署（Ollama+Docker+OpenWebUI）
通往成功之路的一个过客
02-11 1904
如果您遇到连接问题，通常是由于 WebUI docker 容器无法访问容器内 127.0.0.1:11434 (host.docker.internal:11434) 处的 Ollama 服务器。我的电脑是21款 MacBookPro M1 Pro，运行内存16G，显卡是集成显卡，与内存共用同一内存，下载的模型是DeepSeek-R1 8B，后面内存开销很多，导致电脑变卡，可能需要重启,后面下载1.5b 版本，会好很多。根据自己的显存选择对应的模型，2G显卡推荐选1.5b的。打开终端，输入刚复制的命令。
DeepSeek在Mac上本地可视化部署，保姆级教程，再也不怕崩了！
woon1的博客
02-11 1104
虽然反应稍慢，但分析能力极为强大，DeepSeek-R1的性能可媲美OpenAI的高级模型，而DeepSeek-R1是完全免费的。DeepSeek使用方法非常简单，直接访问官网：https://www.deepseek.com/，点击“开始对话”即可开始使用。11. 注意完整的R1模型要占用404GB空间并需要强大算力，标准版M芯片推荐32b内，如果Mac存储空间焦虑，推荐下载1.5b或者7b；：DeepSeek的知识库更新截止到2024年7月，因此如果你需要获取最新的网络信息，可以开启联网搜索模式。
Mac M1 安装 deepspeed
ddu-to-end的博客
01-10 9635
mac M1 电脑微调大模型，需要配置微调环境，其中需要安装Deepspeed
本地部署DeepSeek教程（Mac版本）
热门推荐
weixin_59685936的博客
02-01 2万+
本地部署DeepSeek教程（Mac版本）
【实战AI】macbook M1 本地ollama运行deepseek
东方鲤鱼 博客
02-10 728
由于deepseek 官网或者Aapi 调用会有网络延迟或不响应的情况，故在本地搭建部署；1.由于需要拉取开源镜像，受网络限制，部分资源在 vpn 前提中会下载的更快！请自行翻墙；2.设备 macbook M1 32G。
MacBook Pro(M芯片) 搭建DeepSeek R1运行环境(硬件加速)
DevSeek的博客
02-16 2601
​​​​怎样在Mac系统上搭建DeepSeek离线推理运行环境, MacOS, Llama.cpp, Homebrew, XCode,CMake
本地部署DeepSeek（Mac版本，带图形化操作界面）
养只狗名叫猫
02-06 8055
DeepSeek-R1-Distill-Qwen-1.5B,在终端输入：ollama pull erwan2/DeepSeek-R1-Distill-Qwen-1.5B，回车。nomic-embed-text,在终端输入：ollama pull nomic-embed-text，回车。deepseek-r1:1.5b，在终端输入：ollama pull deepseek-r1:1.5b ，回车。我本地下载了70b的模型，可能是本机问题，一直关联不成功，随放弃了，先用1.5b的练练手。
macpro m1 安装deepseek
最新发布
mozhan的专栏
02-26 621
DeepSeek R1-8B 模型需占用约 4.9GB 显存，建议预留足够内存以避免运行卡顿29。：8B 模型在复杂数学或长文本任务中可能表现一般，建议降低预期914。此命令将自动下载并安装 8B 版本的模型，下载完成后显示。：本地模型无法联网更新知识，需定期手动更新数据11。选择 8B 模型下载，提供可视化操作界面9。：模型文件及依赖库需占用较大空间212。：释放内存资源，避免模型运行卡顿9。：作为模型管理工具，支持一键部署。，下载 macOS 版本并安装。查看已安装模型，确认。
DeepSeek---手摸手教你在macOS环境中本地部署DeepSeek大模型
总结、沉淀、提升
02-12 2101
在macOS环境中本地部署DeepSeek大模型的方法是.......
DeepSeek 大模型在 Mac 上的部署和运行
音视频开发进阶
02-10 954
不会还有人没用过 DeepSeek 吧 ？这热度简直炸上天。之前一直用 Cursor、豆包，现在 AI 雇员又要多一个 DeepSeek 了。不过 DeepSeek 的服务状态经常无响应，有必要在本地部署一个，之前也尝试在本地部署过 Meta 的开源大模型 Llama3 ，这次部署也是轻车熟路了。参考文章：Meta Llama3 大模型在 Mac 上的部署和运行DeepSeek 目前有 1.5b、...
deepseek-r1部署m1
02-11
### 如何在M1芯片上部署DeepSeek-R1 #### 准备工作 为了成功安装并运行 DeepSeek R1 模型，在 M1 芯片 MacBook 上需先完成必要的准备工作。确保操作系统已更新至最新版本，并安装 Homebrew 作为包管理工具，以便后续操作更加便捷[^1]。 #### 安装依赖项 通过终端执行命令来安装 Python 和虚拟环境支持： ```bash brew install python pip3 install virtualenv ``` 创建一个新的虚拟环境用于隔离项目依赖关系： ```bash virtualenv venv source venv/bin/activate ``` 激活虚拟环境中继续安装其他所需库文件，如 PyTorch 版本应与 Apple Silicon 架构相匹配： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu pip install deepspeed ``` #### 获取 DeepSeek R1 源码 前往 GitHub 或官方指定平台下载最新的 DeepSeek R1 发布版源代码压缩包，解压到本地目录下准备编译构建。 #### 编译配置 进入解压后的 DeepSeek 文件夹内，按照 README.md 中给出的具体指示调整 Makefile 配置参数以适应 ARM64 架构下的编译需求。对于某些特定选项可能需要额外设置环境变量来进行优化处理。 #### 运行测试实例 一切就绪之后可以尝试启动一个简单的推理脚本来验证整个流程是否正常运作。通常情况下会有一个 demo.py 提供给开发者快速体验功能特性： ```python from transformers import AutoModelForCausalLM, AutoTokenizer model_name_or_path = "path_to_deepseek_r1" tokenizer = AutoTokenizer.from_pretrained(model_name_or_path) model = AutoModelForCausalLM.from_pretrained(model_name_or_path) input_text = "你好啊," inputs = tokenizer(input_text, return_tensors="pt").to("mps") outputs = model.generate(**inputs, max_length=50) print(tokenizer.decode(outputs[0], skip_special_tokens=True)) ```
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