- 综合排序
- 最热优先
- 最新优先
- 来自专栏C++
【DeepSeek】DeepSeek概述 | 本地部署deepseek
1 -> 概述 DeepSeek是由中国的深度求索公司开发的一系列人工智能模型，以其高效的性能和低成本的训练而受到关注。 知识蒸馏：DeepSeek-R1通过知识蒸馏，将长链推理(CoT)模型的推理能力蒸馏到标准LLM中，显著提升了推理性能。 2 -> 本地部署deepseek 2.1 -> 安装ollama ollama官网 点击Download下载 选择对应的操作系统，本次以Windows操作系统为例 点击Download for Windows 2.2 -> 部署deepseek-r1模型 回到ollama官网点击左上角的Models进入如下界面。 这样本地部署deepseek就算完成啦
3.5K32编辑于 2025-02-08 deepseek本地部署有什么用？解锁 DeepSeek 本地部署
DeepSeek 作为一款备受瞩目的大模型工具，其本地化部署逐渐成为众多用户关注的焦点。今天，我们就来深入探讨 DeepSeek 本地部署的用途，为大家详细介绍一款助力本地部署的神器，快来看看吧。 一、为什么要进行 DeepSeek 本地部署DeepSeek 本地部署保障数据隐私，适配敏感行业合规需求。降低网络依赖，无网络也能稳定运行，保障实时场景业务连续。 二、DS 本地部署大师 —— 本地部署的得力助手①一键部署，轻松上手DS 本地部署大师它内置了 DeepSeek - R1 全系列模型（1.5B/7B/14B/32B/70B），根据智能推荐并下载适合的模型版本 ②部署完成，进入体验选择模型后等待下载，下载完成后，软件会自动安装完成。之后，点击【立即体验】进入智能界面体验DeepSeek 本地部署效果。 DS 本地部署大师凭借其强大的功能和便捷的操作，为用户实现 DeepSeek 本地部署提供了一站式解决方案。
2K10编辑于 2025-08-21- 来自专栏分享学习
DeepSeek本地部署教程
DeepSeek是一款强大的知识检索和问答工具，通过本地部署，用户可以更加便捷地进行知识检索和问答操作。本文将详细介绍如何在本地部署DeepSeek，以便用户能够充分利用其强大的功能。 环境要求 在本地部署DeepSeek之前，需要确保计算机满足以下环境要求： 操作系统：Linux（推荐）或Windows。 Python版本：Python 3.7及以上。 克隆DeepSeek代码 打开终端或命令行窗口，使用git命令克隆DeepSeek的GitHub仓库：git clone https://github.com/your-repository/DeepSeek.git 在DeepSeek项目目录下，运行以下命令创建虚拟环境：python3 -m venv deepseek-env（Linux）或deepseek-env\Scripts\activate（Windows (result) 使用与调试 使用DeepSeek 在成功部署并启动DeepSeek后，可以通过API服务器或直接在Python脚本中调用模型进行推理。
1.5K10编辑于 2025-05-18 deepseek本地部署简要教程
安装ollama访问：https://ollama.com/安装AI模型访问模型列表：https://ollama.com/search安装deepseek-r1命令行运行：ollama run deepseek-r1
89420编辑于 2025-02-13- 来自专栏Crossin的编程教室
DeepSeek 本地部署指南（基于 vLLM）
本指南将详细介绍如何使用 vLLM 在本地部署 DeepSeek 语言模型。 运行以下命令安装 ModelScope： pip install modelscope 下载模型：使用以下命令下载模型并保存到本地： modelscope download --model deepseek-ai /DeepSeek-R1-Distill-Qwen-7B --local_dir /path/to/save/model 将 /path/to/save/model 替换为你希望保存模型的本地路径。 虽然某些模型可能需要注册账号，但 DeepSeek-R1-Distill-Qwen-7B 是公开的，可直接下载。 3. 安装 vLLM vLLM 是一个高效的大型语言模型推理库，支持快速部署。 总结 通过以上步骤，你已成功在本地部署了 DeepSeek 模型，并能够通过 vLLM 进行推理。如果在部署过程中遇到问题，请参考 vLLM 官方文档或在相关社区寻求帮助。祝你使用愉快！
79010编辑于 2026-03-11 - 来自专栏开发经验
DeepSeek本地部署+微调训练
本地训练流程（无需专业知识），从数据准备到模型部署的完整操作指南：一、准备训练数据1. 下载训练脚本创建文件夹：mkdir deepseek_train下载官方示例脚本：wget https://example.com/train_deepseek.py wget https://example.com 启动训练在命令行执行（根据显存调整参数）：accelerate launch train_deepseek.py \ --model_name "deepseek-ai/deepseek-llm-7b 查看训练日志训练文件夹会生成 training_logs.txt，重点关注：Epoch 1/3 | Loss: 2.34 → 1.78Epoch 2/3 | Loss: 1.78 → 1.23五、部署训练好的模型 --gradient_checkpointing 参数输出乱码检查数据文件是否保存为UTF-8编码模型不加载确认.gguf文件是否放在正确的models目录按照这个流程操作，即使没有AI基础也能完成本地训练
3.5K23编辑于 2025-02-25 - 来自专栏AllTests软件测试
本地部署AI大模型DeepSeek
官方网址： https://www.deepseek.com/ 本篇讲解如何快速的在本地部署AI大模型DeepSeek。 2、本地部署DeepSeek 1、首先要下载安装Ollama。 Ollama是一个开源的大型语言模型本地部署框架。 特点： 多平台支持，如Windows、macOS、Linux，还支持Docker，方便跨平台部署。 本地运行，让用户可在本地设备上运行大型语言模型，无需网络连接也能使用部分功能。 官方网址： https://ollama.com/ 快速上手使用大语言模型。 在本地运行Llama 3.3、DeepSeek-R1、Phi-4、Mistral、Gemma 2等模型。 根据所属平台，下载指定的Ollama。 它支持多种大语言模型运行程序，如Ollama和兼容OpenAI的应用程序编程接口（API），还内置了用于检索增强生成（RAG）的推理引擎，使其成为一个强大的人工智能部署解决方案。
76610编辑于 2025-02-10 - 来自专栏stark张宇
新手快速安装部署本地DeepSeek
概述随着DeepSeek的爆火，身为行业从业人员不得不了解和接受，AI做为一种工作中工具的重要性已经变的不言而喻了，互联网的维度已经在悄悄的变化了，分享一篇本地安装部署DeepSeek的教程。 ，去终端执行命令，下图是官方介绍模型的对比和差异：下载模型命令，windows对应的就是打开Cmd，执行命令，过程是一样的：ollama run deepseek-r1:7b安装完成如下图：3、使用理论上本地安装完了 ，就可以使用本地部署的模型进行简单交互，下图中>>>后面是我提问的问题，蓝色的think是DeepSeek-R1自我思考和推理的过程，绿色的框经过推理而得出是答案，是不是很简单，就在本地部署完了。 Open Web Ui第二种方式使用Open Web Ui方式进行部署，首先你要安装Docker，用容器的方式来进行安装和访问，Github地址：https://github.com/open-webui v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main本地访问
95544编辑于 2025-02-15 - 来自专栏前端框架
手机也能本地部署 DeepSeek！
网上已经很多PC端本地部署DeepSeek的教程了，今天来教大家怎么在手机端部署。 首先需要在手机端下载PocketPal。 安卓如下： IOS如下： 下之后，我们打开 PocketPal，打开点击 go to models 点击加号，可以选择加载模型的方式：本地或者 Hugging Face 我们可以选择Hugging Face ， 搜索DeepSeek 选择想要的模型下载 等待下载完成，然后点击Load按钮，加载模型。
1.3K10编辑于 2025-02-26 - 来自专栏软件测试学习
Ollama搭配DeepSeek，本地部署全攻略
在人工智能领域，大型语言模型（LLMs）正变得越来越普及，而将这些模型部署到本地设备上，不仅可以提高数据隐私性，还能降低对网络的依赖。 Ollama 是一个开源工具，能够帮助用户轻松地在本地运行各种大型语言模型，包括 DeepSeek。本文将详细介绍如何通过 Ollama 在本地安装和使用 DeepSeek 模型。 一、Ollama 简介 Ollama 是一个开源的本地大模型部署工具，旨在让用户能够在个人电脑上运行各种开源大型语言模型（如 Llama、DeepSeek 等）。 通过 Ollama，开发者、研究者和爱好者可以快速部署私有化 AI 应用，无需依赖云端服务，同时享受高效、安全的本地 AI 体验。 通过 Ollama 在本地使用 DeepSeek 模型，不仅可以提供更高的隐私性和灵活性，还能让用户在没有互联网连接的情况下使用 AI 大模型。
6.9K10编辑于 2025-02-18 本地部署DeepSeek R1大模型
1.2 安装cherry studio 前往官网https://cherry-ai.com/download下载对应操作系统的安装包 1.3 下载deepseek R1本地模型 直接前往Ollama官网 老周这里让 DeepSeek 帮我推荐使用哪个参数的模型。 run deepseek-r1:8b） 接下来可能有点慢，测你家网速的时候到了。 它不仅能调用你本地下载的模型，还可以连接各种云端模型服务，使用起来非常便捷。 1.4 设置Cherry Studio 然后在聊天界面，选择你所要对话的大模型，就可以直接对话了。 如果出现对话说明本地部署DeepSeek R1大模型成功了。如果出现404啥的说明你没有配置对API地址，检查下面这两个操作是否配置对了。
67410编辑于 2025-11-20- 来自专栏Linux运维技术之路
Deepseek大模型本地化安装部署
本地部署基于 Ollama 的 DeepSeek 模型，可以按照以下步骤操作。Ollama 是一个用于本地运行大型语言模型（LLM）的工具，支持多种模型，包括 DeepSeek。 一. 运行以下命令安装 Ollama： brew install ollama 或者这下载文件（https://ollama.com/download/Ollama-darwin.zip），本地安装 Linux 使用以下命令下载 DeepSeek 模型： ollama pull deepseek-r1:1.5b 如果 DeepSeek 不在默认模型列表中，可以手动指定模型文件的路径或 URL。 3. 运行 DeepSeek 模型 下载完成后，可以通过以下命令运行 DeepSeek 模型： ollama run deepseek-r1:1.5b 运行后，Ollama 会启动一个交互式终端，您可以直接与 通过 API 调用 DeepSeek 模型 Ollama 提供了一个本地 API，可以通过 HTTP 请求与模型交互。 启动 API 服务 1.
1.1K10编辑于 2025-02-06 - 来自专栏AI大流行时代
Ollama系列：轻松3步本地部署deepseek
本文主要介绍如何通过ollama快速部署deepseek、qwq、llama3、gemma3等大模型，网速好的小伙伴10分钟就能搞定。让你摆脱GPU焦虑，在普通电脑上面玩转大模型。 ollama run deepseek-r1:1.5b下载完成后，ollama会为我们运行刚下载的大模型。下面是我运行成功的截图：第三步：使用大模型恭喜你已经在本地成功安装了第一个私有大模型。 Ollama 是一款开源工具，能让你在个人电脑上本地运行各种大语言模型（如 DeepSeek、QwQ等）。简单说，它像是一个“离线版DeepSeek”，无需联网就能用AI聊天、写代码或处理文档。 总结本文介绍了如何使用ollama本地部署DeepSeek等大模型，通过干货分享了ollama常用的指令，以及如何获取更多大模型。但是我们目前仍然只是在命令行使用大模型，非常的不友好。 下一章我们将介绍如何摆脱命令行的束缚，将ollama集成到本地的AI工具中，实现聊天、自定义智能体等功能。
99710编辑于 2025-03-15 - 来自专栏清羽飞扬
windows本地部署DeepSeek-R1模型
这一系列事件让我对deepseek产生了浓厚的兴趣，决定亲自尝试将其部署到本地，体验一下这个强大的AI模型。 出乎意料的是，部署过程异常简单。 下面，我将与大家分享在Windows系统上部署deepseek的全过程。为了让大家能够更方便地使用这个模型，我还在网上搜寻并筛选出来了四五款本地使用的ollama可视化工具，一并分享给大家。 好的，下面是一个更加官方且规范的版本： 前期要求 硬件要求 在本地部署DeepSeek-R1模型之前，请确保你的电脑的硬件符合以下要求： 处理器：支持x86_64架构的Intel或AMD处理器。 部署教程 安装Ollama 首先我们需要安装Ollama，Ollama是一个简便的本地机器学习模型部署工具，专为简化大规模模型的运行而设计。 它支持在Windows和Linux等操作系统上部署深度学习模型，并且不依赖Python或其他复杂的框架，能够快速在本地环境中进行推理，使得模型能够高效利用本地硬件资源，适合需要快速部署和低配置环境的用户
1.6K10编辑于 2025-02-09 - 来自专栏全栈开发日记
本地部署DeepSeek-R1大模型
本文手把手教你部署DeepSeek模型，并通过本地API实现对话、编程、数据分析，小白也能秒变AI玩家！ 一、准备工作：安装Ollama Ollama是一个轻量级工具，支持在本地一键运行大模型（如Llama、DeepSeek等），无需复杂配置。 1. 二、一键部署DeepSeek模型 Ollama内置了主流模型库，直接通过命令行拉取即可。 三、本地API调用 Ollama默认开启本地API服务（端口11434），可直接通过HTTP调用。 方法1. • 回复速度慢：关闭其他占用显存的程序，或尝试更小规模的模型（如deepseek-7b）。 通过Ollama，DeepSeek大模型的部署和调用变得前所未有的简单！
2.5K10编辑于 2025-02-10 告别部署难题！DeepSeek本地部署教程，一看就会
那么，有没有一种方法，能让“小白”用户也能够轻松地将强大的DeepSeek模型部署到自己的电脑上呢？答案是肯定的。下面教大家将复杂的本地部署过程变为人人皆可掌握的简单任务，来了解下吧。 一、为什么要本地部署AI模型在深入了解部署方法之前，我们有必要先明确本地部署的核心优势：① 数据安全与隐私保障：而通过本地部署，所有计算都在自己的电脑上完成，数据从始至终不离开本地硬盘，从根本上杜绝了数据在传输和存储过程中被泄露的风险 二、部署工具：【DS本地部署大师】这款工具通过一系列精心设计的功能，真正实现了“一键式”的傻瓜化部署体验，让即使是不懂任何代码知识的小白也能够轻易完成部署，好了，话不多说，下面就来看看通过它如何来本地部署吧 完成上述步骤后，恭喜你已经完成了deepseek AI模型的本地部署了，并且就算没有网络，它也能够检测出设备是否已断开网络，并且提供离线模式，这样不管我们身处何环境，都能够畅用AI工具。 通过本文的介绍，相信你已经学会了如何轻松地将 DeepSeek 模型部署到本地。这款工具的出现，大大降低了AI模型部署的门槛，让更多的人能够享受到AI带来的便利，感兴趣的小伙伴就去尝试下吧。
1.5K30编辑于 2025-09-09如何在本地部署 DeepSeek R1 模型？
DeepSeek R1模型作为一种先进的深度学习模型，能够在各种任务中展现出卓越的性能。本文将详细介绍如何在本地环境中部署DeepSeek R1模型，涵盖从环境准备、模型下载到最终运行的完整步骤。 无论你是初学者还是经验丰富的开发者，都能通过本指南顺利完成部署，充分利用DeepSeek R1的强大功能。 选择模型 前往https://ollama.com/library选择想要部署的模型，我们这里选择deepseek-r1。 如：部署8B大小的模型则执行ollama run deepseek-r1:8b ，目前ollama可用的模型有1.5b、7b、8b、14b、32b、70b、671b。 image 下载完成后，我们点击Load Model按钮，即可开始在本地加载模型。 image 加载完成后在对话框直接输入内容就可以开始使用本地大模型啦！
1.4K10编辑于 2025-05-20- 来自专栏区块链
DeepSeek-R1 的本地部署指南推荐
區塊鏈周刊（Blockchain Weekly）介绍，DeepSeek-R1 是一款强大的人工智能模型，通过本地部署，你可以在自己的设备上运行它，获得更个性化、更安全的使用体验。 本指南将以通俗易懂的方式，一步一步地指导你完成 DeepSeek-R1 的本地部署。 一、部署前的准备工作（一）硬件要求处理器（CPU）：建议使用英特尔 Core i7 及以上系列的处理器，或者 AMD 同等性能的处理器，如英特尔 Core i7 - 12700K 或 AMD Ryzen 使用venv模块创建虚拟环境：python3 - m venv deepseek - r1 - env激活虚拟环境：source deepseek - r1 - env/bin/activate完成部署后 通过以上步骤，你应该能够成功在本地部署并测试 DeepSeek - R1 模型。在部署过程中，若遇到问题，可查阅官方文档或相关技术论坛，寻求解决方案。
86400编辑于 2025-07-15 DeepSeek-R1本地部署指南
以下是本地部署 DeepSeek 系列模型（1.5B、7B、8B、14B、32B）在 Windows、macOS、Linux 三个平台的最低和推荐硬件配置指南。 4090 48GB）- RAM: 64GB- RAM: 128GB32B 模型平台最低配置推荐配置Windows- 不推荐（显存不足）- 需企业级 GPU（如 RTX 6000 Ada）macOS- 无法本地部署 模型选择：从模型列表中选择与你本地部署的 DeepSeek-R1 模型版本对应的选项，如果没有直接匹配项，选择支持自定义模型配置的入口。 接口地址：填写http://localhost:11434 ，这个地址是 Ollama 服务的默认接口地址，通过它 Chatbox 可以连接到本地运行的 DeepSeek-R1 模型。 image-20250205103704456通过以上步骤，你不仅可以使用 Cherry Studio 还能通过 Chatbox 与本地部署的 DeepSeek-R1 模型进行交互。
1.8K10编辑于 2025-08-26【DS本地部署大师】一键搞定DeepSeek本地部署
现在，凭借【DS本地部署大师】，一切都变得简单易行。这款软件专为简化本地AI部署流程而设计，让即使是零基础的用户，也能轻松将DeepSeek模型配置到本地电脑，下面来为大家介绍下这款部署工具。 混合模式交互，功能更全面：AI对话界面不仅支持使用本地部署的DeepSeek模型，还支持接入在线模型（如DeepSeek、豆包、文心一言等），并可结合联网搜索功能，提供更灵活的AI交互体验。 【DS本地部署大师】VS 【Ollama】：两种本地部署方案对比目前市面上也存在其他的DeepSeek本地部署方案，比如Ollama。那么，它们之间对比有哪些不同呢？ 【Ollama】：更适合具备一定技术基础的用户，追求更灵活的配置和更强的可扩展性，喜欢通过命令行进行操作详细操作步骤：使用【DS本地部署大师】一键部署DeepSeek以下是使用该工具来实现一键部署DeepSeek 【DS本地部署大师】以其极简的操作和卓越的性能，为我们广大用户提供了一种便捷、简单的DeepSeek本地部署方式。
2K10编辑于 2025-08-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号