macOS部署DeepSeek-r1

已于 2025-02-14 07:17:31 修改
阅读量1k 收藏 7
点赞数 5
分类专栏： # 大模型 # macOS 文章标签： macos deepseek anaconda pycharm 大模型
于 2025-02-13 17:15:38 首次发布
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/ytomc/article/details/145616236
版权

好奇，跟着网友们的操作试了一下

网上方案很多，主要参考的是这篇

DeepSeek 接入 PyCharm，轻松助力编程_pycharm deepseek-优快云博客

方案是：PyCharm + CodeGPT插件 + DeepSeek-r1:1.5b

假设已经安装好了PyCharm

PyCharm: the Python IDE for data science and web development

https://blog.youkuaiyun.com/ytomc/category_11724865.html

1. 下载Ollama

https://ollama.com

2. 下载之后解压，将Ollama移动到合适的位置，比如Application里

3. 运行Ollama

4. 点击Next

5. 点击Install，输入电脑密码

6. 点击Finish

7. 拉取deepseek-r1：在终端执行 ollama pull deepseek-r1:1.5b

1.5b是最小的版本，只是玩玩用这个就够了，CPU也可

在终端中输入ollama list，可以查询下载的模型

模型存储位置：  

macOS: ~/.ollama/models  

Linux: /usr/share/ollama/.ollama/models  

Windows: C:\Users\<username>\.ollama\models

<username>根据实际替换

8. 安装插件

打开PyCharm，找到Settings-Plugins，搜索“Proxy AI”，然后安装“Proxy AI”

注意，原来好像是叫CodeGPT，但我搜不到，可能是改名了

9. 配置

找到Settings-Tools-CodeGPT-Providers-Ollama (Local)，Model选择刚拉取的deepseek模型

10. 回到PyCharm的项目界面，右侧点CodeGPT开始聊天

对话框可以切模型

本地部署DeepSeek-R1模型用于企业生产环境：基于Xinference
maxcode
02-05 4805
以上是完整的部署流程与操作步骤，确保您能够在生产环境中成功部署并使用DeepSeek-R1-Distill-Qwen-7B模型。由于其强大的并行计算能力和对硬件加速的支持，Xinference成为企业级应用的首选平台，尤其适合复杂任务和大规模推理任务。Xinference则是为企业级应用量身定制的推理平台，支持高性能和大规模的推理任务。安装Xinference是部署DeepSeek-R1模型的首要步骤。创建一个简单的应用，并执行测试，确保与模型的连接正常，且推理结果符合预期。查看正在运行的模型及其状态。
CodeGPT使用本地部署DeepSeek Coder
lijiecong的专栏
02-02 4264
本地部署DeepSeek Coder大模型，使用CodeGPT OpenWebUI接入本地大模型。
DeepSeek-手把手教你接入IDEA(codeGPT)
c_zyer的博客
02-08 1万+
如果能更新，尽量选择新的版本，因为 deepseek 与IDEA的版本有兼容对应关系，IDEA如果偏旧，可能无法体验到新版的配置项。将AI接入IDEA编辑器肯定不仅仅是为了chat，很重要的是在编码方面，提供补全、提示、注释、测试方法等快捷操作，接下来配置编码方面。在 API Key 字段中，输入从 DeepSeek 获取的 API 密钥。代码解释：右键选择代码，使用 Explain Code 功能获取代码解释。配置后，即可在右侧菜单栏中看到对应功能，通过对话可以实现API的调用。
IDEA接入DeepSeek最新教程Proxy AI（codeGpt) [2025版]
huangli的博客
02-22 4503
此时，在右侧就有一个codeGPT的图标，打开后就能输入文字进行对话了，这种配置的大模型属于在线的，连接deepseek的官方api，有时候会有网络卡顿问题，多试几次。2.那怎么办呢，我们其实还可以对接其他免费的大模型，或者使用目前codeGpt自带的，也可以自己本地部署deepseek，然后用ollama配置，可以参考。左侧其他选型也是各种大模型。1.对话，显示Insufficient Balance（余额不足） ，这时候，才发现目前对接deepseek已经用不了，哦豁！
本地部署 DeepSeek-R1大模型详细教程(桌面客户端美观UI)
博客之路,前途漫漫
02-26 2万+
大家好！今天我来分享一篇超级详细的教程，教你如何在本地部署 DeepSeek-R1 大模型，让你的电脑也能成为一个强大的 AI 工作站！这篇文章会从零开始，手把手带你完成所有步骤，适合小白操作。废话不多说，咱们直接开始吧！
【DeepSeek】在本地计算机上部署DeepSeek-R1大模型实战（完整版）
Morse_Chen的博客
02-11 2万+
本文介绍了如何在本地计算机上部署DeepSeek R1大模型，重点讲解了数据隐私、定制化、离线使用等优势，并提供了简便的安装步骤，适合普通用户和开发者，推动AI技术的普及与便利性。
本地化部署 deepseek-r1
a18792721831的博客
02-13 927
最近 deepseek 太火爆了，问个问题经常就服务端不可用了。但是回答的确实很棒。如果能自己给自己部署一个就好了。目标是部署 deepseek-r1-70B完整的是 671b ，太大了，本地资源吃不消的。参数越多，回复的质量越高，但是也越慢，并且消耗的资源也越多。参数越少，回复的质量就越低。
本地部署 DeepSeek-R1大模型
vv12345的博客
02-28 864
接下来，我们需要通过 Ollama 下载 DeepSeek 模型。这一步需要用到命令行，别担心，我会一步步教你操作。虽然命令行可以用来提问，但操作起来并不方便。为了更好的使用体验，我们可以安装一个客户端工具 AnythingLLM。如果你有自己的文档或者资料，可以将它们上传到模型中，方便模型回答与你的资料相关的问题。支持问题询问 链接上传 图片上传 无限次数上传文档 和图片！载完成后，我们来测试一下模型是否正常运行。他会自动识别本地Ollama下载的大模型。等等 具体的使用看你自己。
本地快速部署DeepSeek-R1模型——2025新年贺岁
汉阳Hann's Home
02-03 4263
DeepSeek是一家由中国知名量化私募巨头幻方量化创立的人工智能公司，致力于开发高效、高性能的生成式 AI 模型。自2023年7月成立以来，DeepSeek在短短一年多的时间里取得了显著的进展，推出了多个引人注目的开源模型，包括 DeepSeek Coder、DeepSeek LLM、DeepSeek-V2、DeepSeek-V3 和 DeepSeek-R1。
一文速览DeepSeek-R1的本地部署——可联网、可实现本地知识库问答：包括671B满血版和各个蒸馏版的部署(含单卡4090部署671B)
热门推荐
结构之法 算法之道
02-03 6万+
自从deepseek爆火以后，真是应了“人红是非多”那句话，不但遭受各种大规模攻击，即便后来挡住了大部分攻击，但海内外大量闯入deepseek官网一探究竟的网友也把他们的服务器压得不堪重负导致一提问，要么频繁显示：服务器繁忙，请稍后再试，要么回答了 但无法联网，致使我朋友圈内一些不知情的朋友说：看把媒体给能的，各种瞎吹，但其实不过尔尔..怎么办呢？在huggingface上总共有以下几种参数的deepseek R1首先，看推理框架，目前主流的大模型推理框架主要有以下四种：其次，看硬件要求，很显然，不同参数的
DeepSeek-R1 源码 + 文档
02-08
在使用方面，DeepSeek-R1项目可能支持多种操作系统环境，如Linux、macOS和Windows。开发者可以根据自己的需要选择合适的环境进行模型的部署和应用开发。 整个DeepSeek-R1项目不仅是一个技术实现的集合，它更是一个...
ollama-windows本地部署deepseek-r1-1.5b模型
qq1164014750
02-21 839
ollama 是一个强大的工具，用于本地部署大语言模型。其官方地址为：https://ollama.com/ 和 https://github.com/ollama/ollama。ollama 使用 gguf 格式的大模型文件，这种格式具有诸多优势，比如存储效率高、加载速度快等。同时，ollama 使用 Modelfile 来配置大模型的一些关键属性，例如使用哪个具体的模型、系统提示词以及上下文参数大小等。
本地部署DeepSeek-R1（Mac版）
wavelee的博客
02-10 1213
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。
mac本地部署deepseek-r1
qq_45000856的博客
02-07 2033
私有化部署ai大模型，deepseek-r1，可视化界面处理
mac电脑蓝牙发送传输文件操作
04-10 75
如果你的mac版本不一样，操作也不一样，所以要看苹果官方文档：然后选择自己的mac版本，就可以按照教程来操作了：我的mac是最版本，所以有一个蓝牙文件交换的app：
[特殊字符] macOS + Lima 离线下载 Calico 镜像教程
solocao的专栏
04-10 165
最终目标：在 Mac 主机获得一份包含 Calico 镜像的.tar文件，用于离线安装 K8s 网络插件。
python实战：如何正确安装 ffmpeg（window、linux、mac都通用）
最新发布
Ven%的博客
04-10 53
直接使用 Conda 安装 FFmpeg，而无需手动下载或配置环境变量。Conda 会自动管理依赖项，并将 FFmpeg 添加到你的环境路径中。如果仍有问题，请检查 Conda 是否正确安装，或尝试在全新的 Conda 环境中安装 FFmpeg。，应该可以直接使用。
Mac监控新风尚：酷炫界面，性能监控更直观！
Black_Rock_br的博客
04-09 474
Stats》是一款专为 macOS 打造的系统资源监控工具，能够以简洁直观的方式在菜单栏中实时展示各种性能数据，包括 CPU 使用率、内存占用、网络流量以及磁盘读写等关键指标。无论是开发者、办公用户，还是热衷于探索设备性能的极客玩家，《Stats》都能提供强大的支持，堪称提升效率与掌控系统状态的必备神器。使用技术：主要用Swift开发，占比 91.6%，还用到少量C++和Python。核心功能特点1. 即时监控菜单栏- 处理器和图形处理器性能：即时监测CPU和GPU的使用情况，快速识别性能瓶颈。
本地部署deepseek-R1-7B
02-28
### 如何在本地部署 DeepSeek-R1-7B 模型 为了成功地在本地环境中安装并运行 DeepSeek-R1-7B 模型，需遵循一系列特定的操作流程。此过程涉及环境准备、依赖项配置以及最终启动服务等多个方面。 #### 准备工作 确保计算机上已预先安装 Python 和 pip 工具，并且拥有足够的硬件资源来支持大型语言模型的运算需求[^1]。 #### 创建虚拟环境 建议创建一个新的Python虚拟环境以隔离项目所需的库文件和其他软件包版本冲突的风险。 ```bash python3 -m venv myenv source myenv/bin/activate # Linux/MacOS myenv\Scripts\activate # Windows ``` #### 安装必要的库 根据所选框架的不同（Ollama/vLLM/Transformers），需要下载对应的Python库。对于Hugging Face Transformers而言，则执行如下命令： ```bash pip install transformers torch sentencepiece ``` #### 下载预训练模型 通过 Hugging Face Model Hub 获取指定名称下的DeepSeek-R1-7B权重参数。 ```python from transformers import AutoModelForCausalLM, AutoTokenizer model_name = "deepseek/R1-7B" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained(model_name) ``` #### 配置推理设置 调整超参如温度、top-k采样等选项可以优化生成质量；同时考虑GPU加速的可能性提高效率。 ```python import torch device = 'cuda' if torch.cuda.is_available() else 'cpu' model.to(device) # 设置推理参数 temperature = 0.9 max_length = 50 ``` #### 运行预测实例 最后一步就是编写简单的测试脚本来验证整个系统的正常运作情况。 ```python input_text = "Once upon a time," inputs = tokenizer(input_text, return_tensors="pt").to(device) outputs = model.generate(**inputs, max_length=max_length, temperature=temperature) generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True) print(generated_text) ``` 完成上述操作之后，即实现了 DeepSeek-R1-7B 在个人电脑上的私有化部署。
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