Ollama+WebUI+DeepSeek部署自己的本地大模型

前言

使用AI几乎成为互联网工作者必备技能了,DeepSeek的出现把AI再次推向高潮,在本文中,我们将带领大家借助 Ollama、WebUI 和 deepseek 这三个工具,成功搭建属于自己的本地大模型环境。Ollama 作为一款轻量级的大模型运行工具,为模型在本地的运行提供了坚实的基础;WebUI 则为我们打造了直观便捷的用户交互界面,让操作更加简单易懂;而 deepseek 作为一款优秀的大模型,拥有强大的性能和出色的表现。通过将这三者结合起来,我们能够完成从模型部署到实现交互的完整流程。无论你是经验丰富的技术专家,还是刚刚涉足人工智能领域的新手,都能从本文的详细步骤和讲解中收获知识,顺利踏上本地大模型部署之旅。如果有些网站访问不了,请提前准备好“科学上网哦”

1.下载Ollama

Ollama 是一个开源项目,专注于在本地运行、创建和分享大型语言模型(LLMs)。它支持多种模型,包括 Llama 2、Code Llama 等,适用于文本生成、代码编写等任务。用户可以通过命令行与模型交互,并自定义模型配置。

Ollama下载地址:https://ollama.com/download , 考虑到小白,我这里使用windows版本就好
在这里插入图片描述
下载好之后双击 OllamaSetup.exe 安装 ,无脑下一步即可
在这里插入图片描述

2.安装大模型

我的登录用户名是Administrator,所以默认的安装地址是 :C:\Users\Administrator\AppData\Local\Programs\Ollama ,我们进入到该目录,然后通过CMD执行
在这里插入图片描述
在CMD中安装模型,模型选择地址:https://ollama.com/library/deepseek-r1
在这里插入图片描述
我选择了一个体积较小的模型:deepseek-r1:7b ,在 CMD中执行命令 ollama run deepseek-r1:7b Ollama会把模型安装到 :C:\Users\Administrator.ollama\models 目录,如果想要更换模型的安装目录,那么需要配置环境变量: OLLAMA_MODELS =新的路径,然后通过任务管理器结束ollama进程,重启ollama即可.

如果磁盘不够大那么可以选择小一点的模型。我选择7B(70亿参数).模型的选择可以查看ollama官网.
在这里插入图片描述

3.使用模型

安装好之后就可以对大模型提问了,执行 ollama run 模型名字,比如:

在这里插入图片描述
如果本地未安装该模型,那么会进行自动下载.ollama的API接口使用可以查考官网的接口地址:https://github.com/ollama/ollama/blob/main/docs/api.md

4.安装Hyperv

ollama安装好之后是没有可视化界面的,这里我采用在Windows上安装DockerDesk,然后通过Open-WebUI来作为Ollama大模型的可视化界面,安装之前需要先安装Hyperv,

在控制面板-程序和功能-启用或者关闭windows功能中,找到 Hyper-V把它勾上,确定后重启
在这里插入图片描述

5.安装DockerDesk

在Docker官网 https:www.docker.com/products/docker-desktop下载最新版本的Docker Desktop ,如果是低版本的Docker Desktop,那就需要自己手动安装Docker-Compose了
在这里插入图片描述
默认情况下会把Docker安装到下面目录:C:\Program Files\Docker , 我们给Docker配置一个环境变量,路径为C:\Program Files\Docker\Docker\resources\bin ,。然后登录DockerDesk,如果没有账号需要先创建账号,根据提示流程走即可
在这里插入图片描述
进入DockerDesk界面后,找到设置按钮-DockerEngine配置中指定进行仓库地址为国内,在JSON文件中加上这一段

{
  "registry-mirrors": ["https://5pfmrxk8.mirror.aliyuncs.com"]
}

这里我使用的是阿里云的镜像仓库,如下:
在这里插入图片描述

6.安装Open-WebUI

Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 AI 平台,可以完全离线运行。它支持各种 LLM 运行器(如Ollama)和与OpenAI 兼容的 API,并内置RAG 推理引擎,是一款强大的 AI 部署解决方案。

第一步下载WebUI镜像:进入到Docker的Bin目录,C:\Program Files\Docker\Docker\resources\bin 使用CMD执行

C:\Program Files\Docker\Docker\resources\bin>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

这条命令将会拉取最新的 Open WebUI 镜像,并将其映射到主机的 3000 端口上,还设置了持久化存储路径以及自动重启策略。
在这里插入图片描述

安装完成后,在浏览器中访问http://localhost:3000,首次访问时建议创建一个管理员账户,之后就可以根据具体需求选择相应的模型进行使用了
在这里插入图片描述

7.配置 DeepSeek

在 Open Web UI 的设置中,找到模型提供方的选项,选择 “Ollama”,在模型列表中,选择已安装的 DeepSeek 模型(如 deepseek-r1:7b)
在这里插入图片描述
文章结束,如果文章对你有帮助不要吝啬你的三连哦

在当今数字化教育蓬勃发展的背景下,校园网络作为教学与科研的关键基础设施,其重要性日益凸显。本文旨在探讨小型校园网络的规划与设计,以满足网络实验教学的需求,为相关专业师生提供一个高效、稳定且功能完备的网络实验环境,助力教学活动顺利开展,提升学生的实践能力和创新思维。 网络实验教学要求校园网络具备高度的灵活性与可扩展性。学生需在实验过程中模拟各种网络拓扑结构、配置不同网络设备参数,这就要求网络能够快速调整资源分配,适应多样化的实验场景。同时,为保证实验数据的准确性和实验过程的稳定性,网络的高可靠性与低延迟特性不可或缺。此外,考虑到校园内多用户同时接入的场景,网络还需具备良好的并发处理能力,确保每位用户都能流畅地进行实验操作。 采用层次化结构构建小型校园网络,分为核心层、汇聚层与接入层。核心层选用高性能交换机,负责高速数据转发与关键路由决策,保障网络主干的稳定运行;汇聚层连接不同教学区域,实现数据的汇聚与初步处理,通过划分虚拟局域网(VLAN)对不同专业或班级的实验流量进行隔离,避免相互干扰;接入层则直接连接学生终端设备,提供充足的接入端口,满足大量用户同时接入的需求,并通过端口安全策略限制非法设备接入,保障网络安全。 在设备选型上,核心层交换机需具备高吞吐量、低延迟以及丰富的路由协议支持能力,以满足复杂网络流量的转发需求;汇聚层交换机则注重VLAN划分与管理功能,以及对链路聚合的支持,提升网络的可靠性和带宽利用率;接入层交换机则需具备高密度端口、灵活的端口配置以及完善的用户认证功能。配置方面,通过静态路由与动态路由协议相结合的方式,确保网络路径的最优选择;在汇聚层与接入层设备上启用VLAN Trunk技术,实现不同VLAN间的数据交换;同时,利用网络管理软件对设备进行集中监控与管理,实时掌握网络运行状态,及时发现并解决潜在问题。 网络安全是校园网络规划的关键环节。在接入层设置
管理后台HTML页面是Web开发中一种常见的实践,主要用于构建企业或组织内部的管理界面,具备数据监控、用户管理、内容编辑等功能。本文将探讨一套美观易用的二级菜单目录设计,帮助开发者创建高效且直观的后台管理系统。 HTML5:作为超文本标记语言的最新版本,HTML5增强了网页的互动性和可访问性,提供了更多语义元素,如<header>、<nav>、<section>、<article>等,有助于清晰地定义网页结构。在管理后台中,HTML5可用于构建页面布局,划分功能区域,并集成多媒体内容,如图像、音频和视频。 界面设计:良好的管理后台界面应具备清晰的导航、一致的布局和易于理解的图标。二级菜单目录设计能够有效组织信息,主菜单涵盖大类功能,次级菜单则提供更具体的操作选项,通过展开和折叠实现层次感,降低用户认知负担。 CSS:CSS是用于控制网页外观和布局的语言,可对HTML元素进行样式设置,包括颜色、字体、布局等。在管理后台中,CSS能够实现响应式设计,使页面在不同设备上具有良好的显示效果。借助CSS预处理器(如Sass或Less),可以编写更高效、模块化的样式代码,便于维护。 文件结构: guanli.html:可能是管理页面的主入口,包含后台的主要功能和布局。 xitong.html:可能是系统设置或配置页面,用于管理员调整系统参数。 denglu.html:登录页面,通常包含用户名和密码输入框、登录按钮,以及注册或忘记密码的链接。 image文件夹:存放页面使用的图片资源,如图标、背景图等。 css文件夹:包含后台系统的样式文件,如全局样式表style.css或按模块划分的样式文件。 响应式设计:在移动设备普及的背景下,管理后台需要支持多种屏幕尺寸。通过媒体查询(Media Queries)和流式布局(Fluid Grids),可以确保后台在桌面、平板和手机上都能良好展示。
标题Python基于Hadoop的租房数据分析系统的设计与实现AI更换标题第1章引言介绍租房数据分析的重要性,以及Hadoop和Python在数据分析领域的应用优势。1.1研究背景与意义分析租房市场的现状,说明数据分析在租房市场中的重要作用。1.2国内外研究现状概述Hadoop和Python在数据分析领域的应用现状及发展趋势。1.3论文研究内容与方法阐述论文的研究目标、主要研究内容和所采用的技术方法。第2章相关技术理论详细介绍Hadoop和Python的相关技术理论。2.1Hadoop技术概述解释Hadoop的基本概念、核心组件及其工作原理。2.2Python技术概述阐述Python在数据处理和分析方面的优势及相关库函数。2.3Hadoop与Python的结合应用讨论Hadoop与Python在数据处理和分析中的结合方式及优势。第3章租房数据分析系统设计详细描述基于Hadoop的租房数据分析系统的设计思路和实现方案。3.1系统架构设计给出系统的整体架构设计,包括数据采集、存储、处理和分析等模块。3.2数据采集与预处理介绍数据的来源、采集方式和预处理流程。3.3数据存储与管理阐述数据在Hadoop平台上的存储和管理方式。第4章租房数据分析系统实现详细介绍租房数据分析系统的实现过程,包括关键代码和算法。4.1数据分析算法实现给出数据分析算法的具体实现步骤和关键代码。4.2系统界面设计与实现介绍系统界面的设计思路和实现方法,包括前端和后端的交互方式。4.3系统测试与优化对系统进行测试,发现并解决问题,同时对系统进行优化以提高性能。第5章实验结果与分析对租房数据分析系统进行实验验证,并对实验结果进行详细分析。5.1实验环境与数据集介绍实验所采用的环境和数据集,包括数据来源和规模等。5.2实验方法与步骤给出实验的具体方法和步骤,包括数据预处理、模型训练和测试等。5.3实验结果分析从多
### 部署DeepSeek本地模型的教程 #### 使用Docker、Ollama和Open-WebUI在Linux上的部署流程 为了成功部署DeepSeek本地模型,需先安装并配置好Docker环境。对于Linux系统而言,推荐按照官方文档中的指导完成安装过程[^1]。 一旦Docker准备就绪,下一步就是拉取所需的镜像文件。这里涉及到两个主要组件:一个是用于处理数据流的应用程序`docker.io/sladesoftware/log-application:latest`[^2];另一个则是特定版本的日志收集工具`docker.io/elastic/filebeat:7.8.0`。不过针对DeepSeek项目本身,则需要找到对应的预构建镜像或是自行创建适合该模型运行的基础镜像。 关于Ollama的支持,在此假设其作为服务端的一部分被集成到了最终使用的容器化应用里。而Open-WebUI作为一个图形界面前端框架,可以方便开发者调试以及用户交互操作。通常情况下,这类web应用程序也会被打包成独立的Docker镜像来简化分发与部署工作。 下面是一个简单的Python脚本例子展示如何通过命令行调用API接口启动相关服务: ```python import subprocess def start_services(): try: # 启动日志收集器FileBeat filebeat_command = "docker run -d docker.io/elastic/filebeat:7.8.0" process_filebeat = subprocess.Popen(filebeat_command.split(), stdout=subprocess.PIPE) # 启动Log Application log_app_command = "docker run -d docker.io/sladesoftware/log-application:latest" process_logapp = subprocess.Popen(log_app_command.split(), stdout=subprocess.PIPE) output, error = process_filebeat.communicate() if error is None: print("Services started successfully.") else: print(f"Error occurred while starting services: {error}") except Exception as e: print(e) if __name__ == "__main__": start_services() ``` 值得注意的是,实际环境中可能还需要考虑网络设置、存储卷挂载等问题以确保各个微服务之间能够正常通信协作。此外,由于具体实现细节会依赖于所选的技术栈及业务需求,因此建议参考更多针对性强的学习资源如《Docker入门到实践》一书获取深入理解。 最后提醒一点,当涉及敏感信息传输时务必遵循安全最佳实践原则保护隐私不受侵犯。
评论
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

墨家巨子@俏如来

你的鼓励是我最大的动力

¥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