- 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
以下是其主要介绍： 1.1 -> 技术特点 混合专家架构(MoE)：DeepSeek-V3采用MoE架构，总参数达6710亿，但每个输入只激活370亿参数，通过动态冗余策略，在推理和训练过程中保持最佳的负载平衡 1.2 -> 模型发布 DeepSeek-V3：2024年12月发布，总参数达6710亿，采用创新的MoE架构和FP8混合精度训练，训练成本仅为557.6万美元，在聊天机器人竞技场(Chatbot Arena 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
4.3K32编辑于 2025-02-08 - 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。 第二步：下载deepseek打开命令行（WIN+R，在运行中输入cmd后回车），下载并运行deepseek-r1 1.5b蒸馏版。 运行成功以后，我们可以直接在命令行和deepseek对话。如你所见，这就是一个简单的对话窗口，也是大模型最原始的形态。 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。
1.3K10编辑于 2025-03-15 - 来自专栏C++
【DeepSeek】deepseek可视化部署
1 -> 前文 【DeepSeek】DeepSeek概述 | 本地部署deepseek 通过前文可以将deepseek部署到本地使用，可是每次都需要win+R输入cmd调出命令行进入到命令模式，输入命令 ollama run deepseek-r1:latest。 deepseek大模型，选择该模型，并点击保存 随便提问一个问题试一下。 那测试一下这个代码是否正确： 比如说计算3^4 mod 5。3^4=81，mod5的话余数是1。 按照代码： 初始res=1, a=3, b=4. 另一个测试用例：计算5^3 mod7. 5^3=125 mod7是6（因为7*17=119，125-119=6）。 按照代码： 初始res=1, a=5, b=3.
1.2K20编辑于 2025-02-12 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。
2.9K10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。
2.1K10编辑于 2025-05-18 - 来自专栏开源项目搭建
简单3步部署本地国产大模型DeepSeek大模型
简单3步部署本地国产大模型DeepSeek大模型DeepSeek是最近非常火的开源大模型，国产大模型 DeepSeek 凭借其优异的性能和对硬件资源的友好性，受到了众多开发者的关注。 无奈，在使用时候deepseek总是提示服务器繁忙，请稍后再试。本文将介绍如何通过简单 3 步在本地部署 DeepSeek 大模型，让你能够轻松体验这一强大的 AI 工具。 它支持各种LLM，包括Llama 3、Mistral和Gemma。提供了类似OpenAI的API接口和聊天界面,可以非常方便地部署最新版本的GPT模型并通过接口使用。 3.下载Docker软件点击下载链接：https://docs.docker.com/desktop/install/windows-install/4.安装Docker第三步、使用Docker部署Open 使用Ollama在本地搭建DeepSeek具有充分利用本地算力、保护数据隐私、便捷更新模型等优点，但同时也存在硬件要求高、技术门槛高、部署过程繁琐等缺点。
7K33编辑于 2025-02-06 - 来自专栏大模型系列
DeepSeek模型本地化部署的技术挑战全景解析-DeepSeek-V3R1
引言：本地化部署——AI落地的“最后一公里”在数据主权、响应延迟与定制化需求的驱动下，将DeepSeek等大模型部署于本地环境已成为企业AI战略的核心环节。 DeepSeek系列模型，尤其是其2025年发布的V3（1.75T参数）与R1（强化推理版），虽性能卓越，但其庞大的参数量与复杂的架构对本地部署提出了前所未有的挑战。 二、存储与I/O：海量数据的吞吐困境2.1模型加载延迟挑战5：模型文件体积庞大DeepSeek-V3MoE模型：磁盘占用超1TB。 9.2自动化部署工具链开源社区进展：DeepDeploy：一站式部署CLI工具，自动检测硬件、下载模型、配置环境。ModelScope：阿里推出的模型开放平台，提供DeepSeek一键部署模板。 结语：挑战即机遇，本地化部署开启AI普惠新时代DeepSeek模型的本地化部署虽面临重重技术挑战，但每一次挑战的克服，都意味着AI能力向更广、更深的领域渗透。
97220编辑于 2026-04-05 - 来自专栏运维小路
DeepSeek-离线部署版
前面2个小节我们虽然介绍了在Win电脑和Linux服务器里面部署DeepSeek，他们都有安装模型的操作，而且这个操作会很费时间，那有没有一个方法可以提前下载好文件，然后只需要一个启动命令就可以实现呢？ 如果要提供自动部署脚本，我们首先就是要分析我们的安装过程都做了什么，然后根据部署过程的动作才能把部署内容封装到一起。 3.文件组合打包 前面两个步骤我们搞清楚了这个DeepSeek的逻辑，我们把ollama和模型的文件放置到一起，然后进行打包压缩(该文件压缩后大概3.1G)。
2.4K10编辑于 2025-02-21 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
1K20编辑于 2025-02-13- 来自专栏运维小路
DeepSeek-基于vLLM部署
#下载 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda.sh #安装， changes to take effect, close and re-open your current shell. <== Thank you for installing Miniconda3! 3.创建vLLM虚拟环境 需要先退出当前bash重新进入，进入以后，左边就会多出一个base。这里的Python版本是conda自带的，中途还需要输入一个y。 #国内镜像站 https://hf-mirror.com/deepseek-ai/DeepSeek-R1 脚本下载 #下载一个python包，用于下载模型 (vllm) [root@MiWiFi-RD03 result = stream_chat_response() print("\n--- 完整响应 ---") print(result) 我后面用Ubuntu 20.4 重新部署了一次
2.8K01编辑于 2025-03-03 - 来自专栏运维小路
DeepSeek-Open WebUI部署
前面部署了vLLM版本以后，访问它比较麻烦。如何才能更好的实现访问呢，这个就是我们今天要讲的Open WebUI，它可以向我们使用官方DeepSeek一样直接在网页进行对话。 openwebui python=3.12.9 2.安装Open WebUI pip install open-webui -i https://mirrors.aliyun.com/pypi/simple/ 3. OPENAI_API_BASE_URL=http://127.0.0.1:8000/v1 # 设置默认模型路径 export DEFAULT_MODELS="/root/deepseekr1_1.5b/deepseek-ai /DeepSeek-R1-Distill-Qwen-1.5B" # 启动Open WebUI open-webui serve 4.配置Open WebUI 5.开始提问
2K00编辑于 2025-03-04 - 来自专栏编码如写诗
离线部署 K3s1.32+在线部署KubeSphere4.1.2和DeepSeek-R1
前言 DeepSeek-R1 春节期间引爆AI市场，现在各大公司也都在部署本地私有化大模型。而昨日KubeSphere 社区交出了一份新答卷，无需复杂步骤，一个可视化界面，几分钟完成大模型服务部署！ K3s 是一个轻量级的 Kubernetes 发行版，它希望在内存占用方面是 Kubernetes的一半大小，所以简写为 K3s。由于k3s部署简单，且兼容k8s核心接口。 本文演示了离线K3s的部署和在线部署kubesphere。 部署DeepSeek大模型时，需要ollama和chatgpt-next-eweb镜像，这两个镜像需要准备好。而deepseek-r1模型，ollama会自动在线下载无需魔法黑科技。 通过本文学习你不单拥有了本地部署ds的能力，更拥有了云原生和ds上云的能力。 【Deepseek资料合集】链接：https://pan.quark.cn/s/55883e8ff491
1.7K11编辑于 2025-02-28 - 来自专栏.Net Core技术分享
ollama系列1：轻松3步本地部署deepseek，普通电脑可用
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。 第二步：下载deepseek 打开命令行（WIN+R，在运行中输入cmd后回车），下载并运行deepseek-r1 1.5b蒸馏版。 运行成功以后，我们可以直接在命令行和deepseek对话。 如你所见，这就是一个简单的对话窗口，也是大模型最原始的形态。 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。
88500编辑于 2025-03-16 - 来自专栏Tencent云服务征文
DeepSeek上云 | 腾讯云HAI如何部署使用DeepSeek
前言对于本地PC部署DeepSeek，可能会受到电脑的内存、CPU、显卡的限制，如果想要扩容的话，只能更换硬件，这样的话成本简直高得离谱。而腾讯云高性能应用服务HAI恰恰解决了这个问题。 HAI提供了不同的算力套餐，用户可以根据自己的需求购买，并且可以通过HAI预置的多种 AI 环境帮助用户快速部署。所以本篇文章主要探究如何使用HAI，一键轻松完成DeepSeek的部署。 按照我们本地部署的思维和步骤来说，在上面步骤中选择安装Ollama，然后再用Ollama拉取DeepSeek大模型完成部署。 选择应用 - DeepSeek我们在社区应用下可以找到 DeepSeek-R1 进行选择。这里HAI提供了DeepSeek-R1 1.5B及7B两种模型环境，能够满足用户快速部署和使用的需求。3. 结语与TIONE安装DeepSeek相比较，HAI也具备了快速部署DeepSeek的能力。通过一键式操作，用户就可以使用云化的DeepSeek。
2.3K51编辑于 2025-02-07 - 来自专栏云上实验室
如何快速部署DeepSeek| 腾讯云TI部署指南
一、为什么要使用DeepSeek + 腾讯云HAI近年来，随着大模型与多场景应用的蓬勃发展，AI工程师越来越需要快速、高效且低成本地部署和管理模型服务。 在模型体验中可以体验与DeepSeek模型的对话。创建在线服务在DeepSeek的模型页面，点击新建在线服务，进入到服务创建页面。填入服务名称之后，选择机器来源用来部署DeepSeek。1. 计算极高（H100 / TPU 级别）DeepSeek-V3-671B自研671BDeepSeek 最高参数量模型，超大规模通用 AI超高（云端 A100 集群）DeepSeek-R1-671B自研671BDeepSeek-R1 DeepSeek 自研模型（R1/V3）：DeepSeek 自主训练的大规模 Transformer 模型，R1 主要用于推理，而 V3 可能结合更多创新结构。3. 点击调用API，可以查看DeepSeek的服务调用地址。同时可以点击实例进入详情页面，我们可以看到安装了DeepSeek大模型实例的信息。这样，我们就完成了DeepSeek在腾讯云TI平台的部署。
2K30编辑于 2025-02-10 - 来自专栏快乐阿超
DeepSeek-V3
Github: https://github.com/deepseek-ai/DeepSeek-V3 最近在研究AI驱动的搜索引擎时，发现了一个非常有潜力的开源项目——DeepSeek-V3。 可扩展性 DeepSeek-V3 提供了模块化设计，方便用户根据自己的需求添加或替换模型。同时支持分布式部署，可以扩展到海量数据场景。 克隆项目代码并安装依赖： 123 git clone https://github.com/deepseek-ai/DeepSeek-V3.gitcd DeepSeek-V3pip install -r 测试搜索 DeepSeek-V3 提供了简单的 API 测试工具。 分布式支持 在大规模数据场景中，DeepSeek-V3 支持分布式部署。通过集成ElasticSearch和Redis，系统可以扩展到数十亿条数据。
5.3K50编辑于 2024-12-31 - 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. 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 复制到该目录3. 底层基础始终基于DeepSeek-R1：就像Photoshop修改图片时保留原图图层修改部分参数：通过LoRA技术仅调整 0.1%-3% 的原始参数2. （新增文件）3.
4.1K23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。 2、搜索并安装DeepSeek模型。 搜索大语言模型： https://ollama.com/search 可以看到DeepSeek-R1。 ollama run deepseek-r1:1.5b 安装过程中。 安装完成后，就可以提问了。 在命令行操作不易于使用，接下来需要集成到页面里。 3、安装人工智能界面Open WebUI。 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。
98311编辑于 2025-02-10 - 来自专栏小陈运维
使用Ollama部署deepseek大模型
使用Ollama部署deepseek大模型 前置条件 使用英伟达显卡下载cuda驱动 https://developer.nvidia.com/cuda-downloads Ollama Ollama deepseek-r1:1.5b # 7B Qwen DeepSeek R1 # 所需空间大约 4.7G ollama run deepseek-r1:7b # 8B Llama DeepSeek R1 # 所需空间大约 4.9G ollama run deepseek-r1:8b # 14B Qwen DeepSeek R1 # 所需空间大约 9G ollama run deepseek-r1 :14b # 32B Qwen DeepSeek R1 # 所需空间大约 20G ollama run deepseek-r1:32b # 70B Llama DeepSeek R1 # 所需空间大约 open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda 3.
2.9K20编辑于 2025-02-04 - 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。 我们将以 deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 模型为例，逐步指导你完成环境配置、模型下载、vLLM 安装及推理服务的启动与调用。 1. 下载 DeepSeek 模型 接下来，我们需要下载 deepseek-ai/DeepSeek-R1-Distill-Qwen-7B 模型。 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！
2.4K11编辑于 2026-03-11
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