deepseek本地部署

原创 已于 2025-03-14 17:34:44 修改 · 314 阅读 · 3 ·
CC 4.0 BY-SA版权
博主原创，微信号：steve_frank。
文章标签：

#AI编程 #人工智能

于 2025-03-14 17:32:41 首次发布

下载Ollama

​https://ollama.com/

拉取 DeepSeek

https://ollama.com/library/deepseek-r1

命令行输入ollama run deepseek-r1:7b拉取模型

与deepseek对话

安装WebUI

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

访问http://localhost:3000

DeepSeek 2.5本地部署的实战教程
herosunly的博客
09-22 19万+
本文主要介绍了DeepSeek 2.5本地部署的实战教程，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 介绍 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 2.3 下载模型文件 3. 运行DeepSeek 2.5 3.1 简单测试 3.2 启动API服务
DeepSeek本地部署详细指南
m0_56896669的博客
02-01 14万+
通过上述步骤，你可以在本地成功部署DeepSeek模型，并通过Ollama或Open Web UI与模型进行交互。本地部署不仅能够保护数据隐私，还能根据需求灵活调整模型参数，满足不同场景下的使用需求。如果你在部署过程中遇到任何问题，可以在评论区留言，我们将一起解决。希望这篇教程能帮助你顺利部署DeepSeek模型，开启高效开发的新旅程！
DeepSeek本地部署，保姆级教程，带你打造最强AI
热门推荐
运维&陈同学的博客
01-28 22万+
配置后，Ollama 服务将能在当前网络（如家庭 Wifi）中提供服务。你可以使用其他设备上的 Chatbox 客户端连接到此服务。可能需要在防火墙中允许 Ollama 服务的端口（默认为 11434），具体取决于你的操作系统和网络环境。为避免安全风险，请不要将 Ollama 服务暴露在公共网络中。家庭 Wifi 网络是一个相对安全的环境。Ollama 服务的 IP 地址是你电脑在当前网络中的地址，通常形式如下。
DeepSeek本地部署+投喂数据训练AI教程！！
2301_76168381的博客
02-05 15万+
DeepSeek-R1，是深度求索（DeepSeek）研发的推理模型，本地部署后完全免费，无使用次数限制。DeepSeek-R1采用的大规模强化学习技术，尤其擅长数学、代码和自然语言推理等复杂任务。DeepSeek-R1系列模型（1.5b~671b）开源且免费，进一步降低了AI应用门槛，赋能开源社区发展。使用教程❶Win版安装教程（Ollama+AnythingLLM安装、DeepSeek模型下载）❷Mac版安装教程（Ollama+AnythingLLM安装、DeepSeek模型下载）
Deepseek本地部署
XG180516的博客
02-21 2693
（构建知识库的时候要根据自己的电脑配置进行选择，单个文件太大的话文件内容理解就需要很长的时间，可以将大文件拆分成几个小文件进行投喂）将复制好的命令粘贴到dos窗口或者手动输入 ollama run deepseek-r1:1.5b（冒号后面是不同的蒸馏模型）输入ollama并回车运行，出现指令列表代表Ollama安装成功。很明显，添加了知识库后的回答更加专业，也更贴合生活。（Win+R）打开指令运行窗口，输入CMD并回车。进入Ollama官网，选择系统适配的安装包下载。（冒号后面是下载的蒸馏模型）
DeepSeek本地部署
FPGA/MATLAB学习教程/源码/项目合作开发
02-08 2830
DeepSeek的高性价比策略降低了AI部署的门槛，使得更多企业能够将AI技术应用于边缘计算场景。并且随着算力部署成本的降低，以前不少集中在大型中心的算力需求，有望向更多的小型设备、边缘设备集中，这是因为，DeepSeek的轻量化模型能够适应从高端服务器到普通消费级设备的多种场景。这意味着，边缘计算设备，如智能网联设备、工业质检设备、智慧交通设备等，将能够更好地支持AI应用。在部署前，我们首先要了解不同规模的deepseek对硬件的要求：下面我们以1.5B为例，介绍如何在本地进行部署。
简话 DeepSeek 本地部署及接口调用
捉虫客 de 博客
02-05 1万+
Windows 11 + Ollama + DeepSeek R1 本地部署，简话，感性认识
DeepSeek本地部署和数据投喂
weixin_74255817的博客
02-07 2万+
使用anythingLLM在本地给deep seek模型投喂自己的数据
DeepSeek本地部署教程
程序员陆通
02-18 2351
参数量（以B为单位，代表十亿）是衡量模型规模的重要指标，但并非唯一决定性能的因素。说明：满血版服务器成本至少300万，企业应用部署至少70B参数以上版本。阿里云提供了针对DeepSeek的优化部署方案。适合企业级用户或需要处理大规模并发请求的场景。适合个人开发者和小型团队使用。
DeepSeek本地部署-deepseek本地部署
02-02
DeepSeek本地部署是指将DeepSeek软件安装在本地计算机上，而不是在云服务器或远程服务器上。这样做的主要好处是可以完全控制数据存储和处理过程，同时可能还可以减少对互联网连接的依赖。在Windows系统上进行...
deepseek本地部署并搭建本地知识库完整教程及安装软件
02-09
以下便是关于DeepSeek本地部署、搭建本地知识库以及安装软件的详细教程。 首先，本地部署DeepSeek需要具备一定的技术背景，包括熟悉操作系统、数据库、网络通信以及编程等基本技能。对于希望在本地环境中充分利用...
DeepSeek本地部署及局域网共享使用.pdf
02-10
为了实现DeepSeek的本地部署及在局域网内共享使用，文档中详细描述了所需的步骤和操作，确保读者能够一步步完成部署。以下，我们将对文档内容进行详细解读，归纳出部署和共享过程中所必须的知识点。 首先，文档开篇...
DeepSeek本地部署教程（本地知识库搭建、实际应用场景）.pdf
02-18
DeepSeek本地部署教程涵盖了如何在本地环境中安装和配置DeepSeek模型，以及构建知识库和应用。DeepSeek是一个具备强推理能力和多种量化蒸馏模型选择的本地化部署工具，旨在通过开源社区支持和兼容多种开源框架来加速...
三大AI编程助手深度技术解析：Trae、CodeBuddy、Qoder的架构设计与工程实践
技术的学习与积累是个技术活
11-24 1042
本文深度解析了字节Trae、腾讯CodeBuddy和阿里Qoder三款AI编程助手的系统架构与技术特点。Trae采用多模态智能体架构，擅长自动化工作流；CodeBuddy基于语义驱动的四维架构，实现闭环开发；Qoder通过Quest抽象层支持异步协作。文章对比了三者在响应速度、准确率等性能指标上的差异，并提供了针对不同开发场景的选型建议和优化技巧。随着技术发展，AI编程助手正从代码生成工具向全流程开发伙伴演进，未来将在上下文理解深度、系统设计能力和团队协作模式等方面持续突破。
TensorRT笔记（5）：研究timingCache
最新发布
ouliten的博客
12-02 486
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1855
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1412
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
07_Spring AI 干货笔记之提示词
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1613
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
评论
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
表情包 代码片
 条评论被折叠 查看
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