三步搞定DeepSeek R1在LabVIEW中的本地部署(免费开源含源码)

原创 于 2025-02-19 16:34:35 发布 · 1.7k 阅读 · 9 ·
CC 4.0 BY-SA版权
本文为博主原创文章，未经博主允许不得转载。
文章标签：

#labview #开源 #深度学习 #人工智能 #计算机视觉 #deepseek #仪酷智能

‍‍🏡博客主页： virobotics(仪酷智能)：LabVIEW深度学习、人工智能博主
🎄所属专栏：『LabVIEW深度学习实战』
📑推荐文章：『LabVIEW人工智能深度学习指南』
🍻本文由virobotics(仪酷智能)原创

🥳欢迎大家关注✌点赞👍收藏⭐留言📝订阅专栏

文章目录


大家好，这里是仪酷智能 VIRobotics。

国内的大模型 DeepSeek 自发布后就受到了广泛关注。仪酷智能近期发布的 AI Vision Toolkit for OpenVINO for LabVIEW （AIVT-OV）2.0版本能够无缝支持DeepSeek系列蒸馏推理模型，帮助用户以极低的成本在本地进行大规模模型推理，保障敏感数据的安全，避免网络中断的风险。

在本文中，笔者将通过三个简单的步骤，为大家介绍如何快速完成DeepSeek R1在LabVIEW中的本地部署。

在这里插入图片描述

🖥️一、环境搭建

1.1 部署所需环境

  • 操作系统：>= Windows 10（64位）
  • LabVIEW：>= 2018 (64-Bit)
  • AIVT-OV：>= virobotics_lib_ai_vision_toolkit_for_openvino-1.0.0.66.vip

1.2 下载并安装 AI Vision Toolkit for OpenVINO for LabVIEW

为了在LabVIEW中使用DeepSeek R1，我们需要下载并安装 AI Vision Toolkit for OpenVINO for LabVIEW。该工具包可以帮助我们将OpenVINO加速框架与LabVIEW集成，使我们能够高效地运行AI推理任务。

安装步骤：

  1. 下载
    访问仪酷智能官方网站：https://www.virobotics.net/download，在下载中心点击软件下载。
    在这里插入图片描述

也可在评论区留言邮箱，笔者将会将安装包发送到邮箱！

  1. 安装
    运行下载的安装包，按照提示完成安装，更多安装问题可以参考安装指南。
    当然啦，也可以评论区留言交流。

⬇️二、下载 DeepSeek 模型

在LabVIEW中使用DeepSeek R1模型之前，我们需要下载并准备好该模型。目前主要有 1.5B 和 7B 的模型，更大的模型将在后续文章中详细介绍。

  1. 获取模型文件：

    • 关注微信公众号：仪酷智能科技，回复关键字：deepseek 获取相关模型。
    • 目前一共四种类型模型，推荐下载：DeepSeek-R1-Distill-Qwen-1.5B-int4-ov.zip
      在这里插入图片描述

  2. 解压与准备：

    • 将模型文件解压至本地纯英文路径下，并记录下文件路径，方便后续加载和使用。

⚒️三、本地部署并开始对话

3.1 打开范例

  1. 打开 LabVIEW，依次选择 Help >> Find Examples >> Directory Structure >> VIRobotics >> GenAI >> LLM 查看范例。
    在这里插入图片描述

  2. 双击运行 LLM_Stream.vi，在LabVIEW中搭建一个简单的用户界面，实现与DeepSeek R1模型的交互。
    通过图形化界面，用户可以上传文本内容，点击“Send”，模型将基于输入进行推理，并输出结果。

程序框图：

在这里插入图片描述

前面板用户交互界面：

*(这里可以插入前面板界面图片)*

3.2 部署运行

  1. 选择模型所在文件夹；
    在这里插入图片描述

  2. 运行 VI；

  3. 在 Prompt 输入提问内容，即可获取具体答复。
    演示效果详见：LabVIEW本地部署 DeepSeek R1
    视频讲解教程可以查看：LabVIEW中一键本地部署DeepSeek R1，超简单

🎯总结

通过这三步，你可以成功将 DeepSeek R1 模型在LabVIEW中进行本地部署。后续我们将为大家介绍更大模型的部署。 如果您有任何问题或建议，欢迎随时联系我们，我们会继续努力。

以上就是今天要给大家分享的内容，希望对大家有用。如有笔误，还请各位及时指正。后续我们将为大家更新更多关于AI模型在LabVIEW的部署案例，欢迎大家关注博主。我是virobotics（仪酷智能），我们下篇文章见~

如您想要探讨更多关于LabVIEW与人工智能技术，欢迎加入我们的技术交流群：705637299。进群请备注：仪酷智能

更多内容可查看：

如果文章对你有帮助，欢迎✌关注、👍点赞、✌收藏、👍订阅专栏

推荐阅读

AI Vision Toolkit for LabVIEW重磅升级：2.0版本支持本地部署DeepSeek R1

【YOLOv5】LabVIEW+TensorRT的yolov5部署实战（含源码））
【YOLOv5】手把手教你使用LabVIEW ONNX Runtime部署 TensorRT加速，实现YOLOv5实时物体识别（含源码）
【YOLOv8】实战一：手把手教你使用YOLOv8实现实时目标检测
【YOLOv8】实战二：YOLOv8 OpenVINO2022版 windows部署实战
【YOLOv8】实战三：基于LabVIEW TensorRT部署YOLOv8
【YOLOv9】实战一：在 Windows 上使用LabVIEW OpenVINO工具包部署YOLOv9实现实时目标检测（含源码）
【YOLOv9】实战二：手把手教你使用TensorRT实现YOLOv9实时目标检测（含源码）
【YOLOv11】实战一：在LabVIEW 中使用OpenVINO实现YOLOv11

👇技术交流 · 一起学习 · 咨询分享，请联系👇

调用deepseek API
2302_79795489的博客
01-23 6982
（例如，全局环境、虚拟环境等），而你在一个没有安装openai包的环境中运行代码。检查并激活正确的环境，然后再次尝试运行上述安装命令。2、创建API key（注意：复制保存好API key，因为出于安全原因，你将无法通过 API keys 管理界面再次查看它）设置不正确，可以通过左下角的状态栏找到当前选择的Python解释器，点击它可以切换到包含openai包的正确环境。pip show openai +运行调用api的.py文件。3、可用性测试（简单调用api）把终端的输出发给通义千问分析，
机器视觉学习笔记（六）——图像的操作与运算（基于LabVIEW）
weixin_45482443的博客
12-14 7730
像素操作 像素操作（pixel manipulation）通常用在各种图像处理算法之前，包括读取或设置图像中某个像素值，更改某个区域的所有像素值，逐行或逐列读取或更改像素值等。 IMAQ Get Pixel Value:读取指定坐标的像素值 IMAQ Set Pixle Value:设置指定坐标的像素值 IMAQ GetRowCol:读取指定行或列的像素值 IMAQ SetRowCol:设置指定行或列的像素值 IMAQ GetPixelLine:读取图像中由两点确定的线段所对应的像素值 IMA
AI Vision Toolkit for LabVIEW重磅升级：2.0版本支持本地部署DeepSeek R1
virobotics的博客
02-14 1448
仪酷智能AIVT- OV全新升级🚀，新版工具包与DeepSeek深度集成，支持大型语言模型（LLM）的本地部署推理
labview连接deepseek API函数实现对接
最新发布
03-31
【labview调用Deepseek API】 https://www.bilibili.com/video/BV1LBNgexEWa/?share_source=copy_web&vd_source=5732f58f2c1731e8128b1a408eaa0b75
DeepSeek火爆对LabVIEW开发的启示
bjcyck的博客
02-11 420
DeepSeek的火爆给LabVIEW开发带来了几个关键启示：智能化与自动化的趋势、快速响应市场需求、增强系统的易用性与功能性、跨领域的融合与集成，以及开源与社区支持的重要性。在开发过程中，LabVIEW开发者应不断提升自己的技术和工具，以适应不断变化的技术环境和市场需求，创造出更具竞争力的智能化、自动化系统。类似的，在LabVIEW开发中，开发者需要快速响应行业需求和市场变化。积极参与LabVIEW的开发和优化，分享自己的成果与经验，能够促进整个开发社区的成长，并带来更丰富的工具和资源。
Deepseek的API调用使用(自用)
热门推荐
qq_64296768的博客
01-13 6万+
Deepseek的API调用使用(自用)
LabRAD for LabVIEW-开源
07-20
提供 VI 以允许在 LabVIEW 中开发 LabRAD 服务器和客户端。 该项目包含 API 的本机 LabVIEW 实现以及使用 Delphi 编写的 DLL 后端的加速平台特定版本。
labview OpenG开源代码
08-06
labview OpenG开源代码，使用方便
labview非常全面的源代码分享
07-25
labview的源代码分享，整体是一个计算机模拟的数采系统，涉及到的知识点非常全面，包括配置文件的使用、数据库的使用、生产者消费者框架的使用、报表的使用、高级控件多列列表框的使用和属性节点的调用.........对新手学习大有裨益。
Visual Studio Code应用本地部署的deepseek
极创it的博客
02-02 6518
参看上篇文章：deepseek本地部署-优快云博客
deepseek 本地部署
npk191954的专栏
02-09 274
2. 下载安装 deepseek 模型。1. 安装 ollama。
【仪酷LabVIEW AI工具包案例】使用LabVIEW AI工具包+YOLOv5结合Dobot机械臂实现智能垃圾分类
virobotics的博客
05-08 2484
本文将为大家分享Dobot机械臂和LabVIEW工具包结合YOLOv5实现垃圾分类，并将各种垃圾区分放入对应垃圾桶的整个过程。
仪酷LabVIEW OD实战(2)——Object Detection VI函数详细介绍
virobotics的博客
09-03 683
Hello，大家好，我是virobotics（仪酷智能），一个深耕于LabVIEW和人工智能领域的开发工程师。上一节给大家介绍了仪酷Object Detection工具包的安装，这节我们来看看这个工具包可以帮助我们快速搭建我们的范例的VI具体有哪些，以及具体VI的参数是什么？以上就是今天要给大家分享的内容，希望对大家有用。如有笔误，还请各位及时指正。后续还会继续给各位朋友分享其他案例，欢迎大家关注博主。我是virobotics（仪酷智能），我们下篇文章见~
一文汇总对比英伟达、AMD、英特尔显卡GPU
virobotics的博客
05-13 8462
在2024年，英伟达、AMD和英特尔的GPU技术和产品都有了新的进展。本文将对这三家公司最新的GPU产品进行比较，帮助大家了解它们的优势和适用领域。
LabVIEW开放神经网络交互工具包（ONNX)下载与超详细安装教程
virobotics的博客
05-30 1万+
LabVIEWLabVIEW开放神经网络交互工具包【ONNX】详细安装步骤
DeepSeek新手必看！全功能详解与实操指南，带你逆袭成AI大神
ice829的博客
02-04 9157
在人工智能飞速发展的当下，新的AI工具如雨后春笋般不断涌现，DeepSeek便是其中备受瞩目的一颗新星。自从DeepSeek-V3发布，它凭借强大性能超越广泛使用的ChatGPT，迅速登顶美区苹果App Store应用商店，引发了各界的广泛关注与讨论。今天，就让我们**深入探索这个新兴AI产品的核心功能、使用技巧以及一些鲜为人知的秘密，帮助大家从零基础小白进阶为AI大神，充分发挥DeepSeek的强大潜力。**
LabVIEW AI开发者福音：LabVIEW OpenVINO AI加速工具包，不来看看？
virobotics的博客
04-18 2264
【LabVIEW OpenVINO工具包】在LabVIEW中实现优化和部署深度学习模型
LabVIEW+OpenVINO在CPU上部署新冠肺炎检测模型实战（含源码）
virobotics的博客
06-13 1436
一起来看一下如何使用LabVIEW+OpenVINO在CPU上部署新冠肺炎CT图像病害分割
【YOLOv5】LabVIEW+YOLOv5快速实现实时物体识别（Object Detection）含源码
virobotics的博客
05-24 6495
在LabVIEW中调用YOLOv5快速实现实时物体识别,感受丝滑般物体识别
labview接入deepseek出错
03-15
### LabVIEW 接入 DeepSeek 大模型时的错误排查与解决方案 在将 DeepSeek 集成到 LabVIEW 的过程中，可能会遇到多种类型的错误。以下是针对常见问题及其可能原因和解决方法的具体分析。 #### 1. CUDA 版本不匹配 如果使用的 CUDA 版本与 TensorFlow 或 PyTorch 所需版本不符，则可能导致运行失败或性能下降。例如，在安装 `cuda_10.0.130_411.31_win10.exe` 时仅应勾选 CUDA 安装选项[^4]，而忽略其他驱动更新以免引发冲突。 - **解决办法**: 确认当前环境中所依赖的深度学习框架所需的 CUDA 版本号，并下载对应版本的安装包重新配置环境变量路径以指向正确的库位置。 #### 2. PB 文件加载异常 PB (Protocol Buffers) 是一种序列化数据格式常用于保存训练好的神经网络模型参数以便于跨平台移植使用。当尝试通过 LabVIEW 加载此类文件执行预测操作却报错可能是由于生成该文件过程存在问题或者其结构不符合预期标准所致[^3]。 - **建议措施**: 检查原始导出流程是否遵循官方指南完成每一步骤；另外可以借助第三方工具验证 pb 文件合法性后再导入至目标系统测试效果如何变化。 #### 3. LLM 局部推理设置不当 对于像 DeepSeek 这样的大规模预训练语言模型来说, 实现高效的局部推理需要合理调整多项超参以及优化策略来平衡精度同效率之间的关系.[^2] - **应对方式**: 参考相关文档仔细核对各项配置项数值设定得当与否; 同时考虑引入量化技术进一步压缩模型尺寸从而加快计算速度减少资源消耗. #### 4. 软件兼容性考量 最后还需注意不同软件组件之间是否存在潜在互斥情况影响整体功能实现比如特定插件版本过旧无法满足新特性需求等问题也可能成为阻碍因素之一. - **处理手段**: 更新所有涉及的相关模块直至最新稳定发行版为止并再次进行全面联调确认无误之后方可投入使用生产环节当中去. ```python import tensorflow as tf # Load the model from .pb file. def load_model(pb_file_path): with open(pb_file_path, 'rb') as f: graph_def = tf.compat.v1.GraphDef() graph_def.ParseFromString(f.read()) with tf.Graph().as_default() as graph: tf.import_graph_def(graph_def, name='') return graph model_pb_path = './path/to/your/model.pb' graph = load_model(model_pb_path) with tf.Session(graph=graph) as sess: input_tensor_name = list(graph.get_operations())[0].name + ':0' output_tensor_names = [t.name for t in graph.as_graph_def().node if '_output' in t.name] print('Input Tensor Name:',input_tensor_name) print('Output Tensors Names:',output_tensor_names) ```
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

virobotics

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