DeepSeek-R1模型在各项指标直逼甚至超越OpenAI及同类产品，迅速成为业界焦点。更令人惊喜的是该模型基于MIT协议免费开源，允许任何公司或个人自由商用，无需任何授权限制，一时间在AI界掀起了巨大波澜。
最近DeepSeek服务被外海攻击，有时候无法访问，既然DeepSeek-R1是开源的，那么我们其实可以部署自己的DeepSeek-R1模型，如果再结合全栈AI助手，效果将更加完美。
废话不多说，直接上教程教怎么本地部署DeepSeek-R1服务。
一、安装ollama
用浏览器打开 https://ollama.com/
点击download按钮，下载ollama.
选择对应的操作系统版本下载。
点击Install安装。
二、根据配置安装合适的版本的deepseek R1模型
打开https://ollama.com/search 模型页：
选择deepseek-r1模型： https://ollama.com/library/deepseek-r1
根据你电脑的硬盘及显存（内存）大小，选择不同大小参数的模型。这里为了演示，选择了1.5b的模型：
在终端中运行ollama run deepseek-r1:1.5b 进行安装deepseek-r1:1.5b模型。
根据显存选择合适的版本，有条件的建议上32B或者70B，效果非常好。
三、对话
安装完之后就可以直接在命令行对话了。
以下内容为可选项
配合 全栈AI助手 (可选)
ollama 默认在命令行中对话，UI界面并不友好，如果配合全栈AI助手 也可以有更好的交互体验。
通过以下步骤用全栈AI助手接入DeepSeek-R1。
打开全栈AI助手网站：https://aichat.p2hp.com/
测试
左上角选择“Ollma”模型，并在后面的自定义模型中输入你安装的deepseek-r1:1.5b。
OLLAMA调用 API跨域配置：
设置环境变量 OLLAMA_ORIGINS:
打开系统属性（可以通过Win+R，输入sysdm.cpl，然后回车）。
点击“高级”选项卡，然后点击“环境变量”按钮。
在“用户变量”区域，点击“新建”。
设置变量名为OLLAMA_ORIGINS，变量值为*（这表示允许所有来源的跨域请求）。
点击“确定”保存设置。
重启Ollama服务
确保关闭并重新打开命令行窗口，使新的环境变量生效。
重新启动Ollama服务。（结束所有ollama进程，再运行ollama run deepseek-r1:1.5b）
然后就可以开始愉快的对话了！！！
以上就是一文读懂！DeepSeek R1超简易本地安装运行部署教程的详细内容。
以下是简单方法：
1. 环境准备
在开始之前，确保你的计算机满足以下要求：
操作系统：Windows 10/11、macOS 或 Linux。
Python 版本：Python 3.8 或更高版本。
- **硬件要求**：
- CPU：推荐多核处理器（如 Intel i5 或更高）。
- 内存：至少 8GB RAM（16GB 或以上更佳）。
- 硬盘：至少 10GB 可用空间。
- GPU（可选）：如果有 NVIDIA GPU，可以安装 CUDA 以加速运行。
2. 安装步骤
2.1 安装 Python 和依赖工具
1. 安装 Python
访问 [Python 官网](https://www.python.org/downloads/) 下载并安装 Python。
- 安装时勾选 Add Python to PATH”。
2. **安装 pip**：
- pip 是 Python 的包管理工具，通常随 Python 一起安装。
- 检查 pip 是否安装成功：
bash
pip --version
3. 安装虚拟环境工具（可选）
- 推荐使用虚拟环境隔离依赖：
bash
pip install virtualenv
2.2 下载 DeepSeek R1
1. 访问 DeepSeek 官网或 GitHub 仓库，下载 DeepSeek R1 的安装包或源码。
- 如果提供的是源码，解压到本地目录。
- 如果提供的是安装包，直接运行安装程序。
2. 进入 DeepSeek R1 的目录：
```bash
cd path/to/deepseek-r1
2.3 安装依赖
1. 使用 pip 安装所需的 Python 依赖：
```bash
pip install -r requirements.txt
- 如果项目提供了 `requirements.txt` 文件，上述命令会自动安装所有依赖。
2. 如果有 GPU 并希望使用 CUDA 加速，安装 PyTorch 的 GPU 版本：
```bash
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
2.4 配置 DeepSeek R1
1. 打开 DeepSeek R1 的配置文件（通常是 `config.yaml` 或 `settings.py`）。
2. 根据需求修改配置，例如：
- 模型路径。
- 输入输出目录。
- GPU 加速设置（如果有 GPU）。
2.5 下载预训练模型
1. 如果 DeepSeek R1 需要预训练模型，从官方提供的链接下载模型文件。
2. 将模型文件放到指定目录（通常是 `models/` 文件夹）。
3. 运行 DeepSeek R1
3.1 启动 DeepSeek R1
1. 在终端中运行以下命令启动 DeepSeek R1：
bash
python main.py
- 如果是 GUI 版本，直接双击运行可执行文件。
2. 如果一切正常，DeepSeek R1 会启动并显示运行日志。
3.2 测试功能
1. 根据 DeepSeek R1 的功能，输入测试数据（如文本、图片等）。
2. 查看输出结果，确保功能正常运行。
4. 常见问题**
4.1 依赖安装失败
- 确保 Python 和 pip 版本正确。
- 尝试使用国内镜像源安装依赖：
bash
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
4.2 GPU 加速未生效
- 检查 CUDA 和 PyTorch 是否安装正确：
```bash
python -c "import torch; print(torch.cuda.is_available())"
- 如果返回 `True`，说明 GPU 加速已启用。
3 内存不足
- 如果运行过程中内存不足，尝试减少批量大小（batch size）或使用 CPU 模式。
5. 进阶配置**
多线程支持：在配置文件中启用多线程，提高处理速度。
API 服务：将 DeepSeek R1 部署为 API 服务，方便其他程序调用。
定期更新：关注 DeepSeek 官方更新，及时获取最新功能和优化。
通过以上步骤，你可以轻松在本地安装和运行 DeepSeek R1，享受其强大的 AI 功能！如果有更多问题，可以参考官方文档或社区支持。
原文始发于微信公众号（黑客技术家园）：一文读懂！DeepSeek R1超简易本地安装运行部署教程
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论