全网最简单DeepSeek-R1本地部署教程

1.安装ollama

打开ollama网址：https://ollama.com/

选择你电脑的系统进行下载

我的电脑是windows的就点击windows然后点击下载即可

下载完毕后双击打开下载的.exe文件等待软件自动安装完毕

安装完毕后，点击键盘的win+r键输入cmd进入命令行

然后输入ollama -v会显示版本

说明ollama安装完毕

2.部署DeepSeek-R1模型

打开ollama官网：https://ollama.com/

然后点击左上角的models

选择DeepSeek-R1模型

模型的大小大致分为1.5b,7b,8b,14b,32b,70b,671b

根据自己的电脑显卡和配置进行选择相应的版本

显卡要求

DeepSeek-R1-1.5b NVIDIA RTX 3060 12GB or higher

DeepSeek-R1-7b NVIDIA RTX 3060 12GB or higher

DeepSeek-R1-8b NVIDIA RTX 3060 12GB or higher

DeepSeek-R1-14b NVIDIA RTX 3060 12GB or higher

DeepSeek-R1-32b NVIDIA RTX 4090 24GB

DeepSeek-R1-70b NVIDIA RTX 4090 24GB *2

DeepSeek-R1-671b NVIDIA A100 80GB *16

我这边直接选择的是8b模型进行演示

复制命令，在刚刚的命令行中直接复制+回车

显示success则为下载成功，之后可以正常对话

如果想要退出可以使用 /bye的方式退出对话

如果后续还想要进入对话，可以使用ollama list

复制name,然后执行ollama run deepseek-r1:8b就可以再次进入对话啦

但是我们每次如果想要使用ollama模型的时候都需要运行命令行，这就有点不方便

所以接下来就开始安装可视化的界面来使用本地的模型

3.安装Chatbox

打开Chatbox官网：https://chatboxai.app/zh

点击免费下载

双击安装

自定义目录然后点击安装

现在我们就成功安装了Chatbox

选择使用自己API key或者本地模型

选择Chatbox AI

模型设置页面，模型提供方选择Ollama API

api域名不需要进行更改

模型选择刚在电脑上下载的ollama模型即可

然后点击保存，之后我们就可以在这个可视化模型中进行对话

到这里，本地化安装基本就结束啦，bye!

2025-02-08 15:03:16【出处】：https://www.cnblogs.com/ForgetAllThings/p/18702207

=======================================================================================

通过Ollama本地部署DeepSeek R1以及简单使用的教程（超详细）

本文介绍了在Windows环境下，通过Ollama来本地部署DeepSeek R1。该问包含了Ollama的下载、安装（命令和双击安装）、安装目录迁移、大模型存储位置修改、下载DeepSeek以及通过Web UI来对话等相关内容。

1、🥇下载Ollama

首先我们到Ollama官网去下载安装包，此处我们下载的是Windows版本的安装包，如下图所示：

Windows安装包下载

2、🥈安装Ollama

下面提供两种安装方式：

通过命令安装（推荐）；
~~通过鼠标双击安装（不推荐）~~。

安装Ollama的时候，推荐使用命令【2.1、🥪通过命令安装（推荐）】来安装，好处是可以修改安装的目录位置。

而【通过鼠标双击安装（不推荐）】是不能修改安装的目录位置的（默认安装在C盘）。

因此安装的时候强烈推荐选择【2.1、🥪通过命令安装（推荐）】方式进行安装。

【2.1、🥪通过命令安装（推荐）】和【2.2、🍞通过鼠标双击安装（不推荐）】选择其中一种方式安装即可。

2.1、🥪通过命令安装（推荐）

之所以推荐使用命令安装，是因为通过命令安装可以修改默认的安装目录位置，而通过鼠标双击安装，默认会安装到C盘。

通常情况下，我们不希望安装到C盘，此时我们就可以通过使用命令的方式将Ollama安装到其他盘的某个目录下。

以管理员身份运行CMD，并定位到OllamaSetup.exe所在的目录（假设OllamaSetup.exe在D:\Temp目录下），然后执行如下命令：

OllamaSetup.exe /DIR="D:\Net_Program\Net_Ollama"

上述命令中DIR的值为D:\Net_Program\Net_Ollama，该值就是安装的目录位置。
执行上述命令后，会弹出OllamaSetup.exe安装窗体界面，此时我们点击Install按钮等待安装完成即可，如下图所示：

注意：安装完成后，Ollama默认为打开状态，此时我们先退出Ollama（鼠标右键点击任务栏的Ollama图标然后选择退出即可）。

2.2、🍞通过鼠标双击安装（不推荐）

我们直接双击安装包，然后点击Install按钮等待安装完成即可，如下图所示：

点击安装按钮

安装中

注意：安装完成后，Ollama默认为打开状态，此时我们先退出Ollama（鼠标右键点击任务栏的Ollama图标然后选择退出即可）。

上图中，Ollama默认安装在C盘的C:\Users\quber\AppData\Local\Programs\Ollama目录下，如下图所示为默认安装的文件，大小大概有4.56GB：

安装完成

Ollama安装完成后，在桌面上是没有快捷启动图标的，我们可以在开始菜单中查找或在搜索框中搜索，如下图所示：

Ollama

3、🥉转移Ollama安装目录

如果安装Ollama的时候是通过【2.1、🥪通过命令安装（推荐）】来安装的，以下操作步骤忽略跳过即可，直接开始操作【4、🎉验证Ollama】

如果不想将Ollama安装到C盘，可以将安装的所有文件全部剪切到其他盘的目录内，如转移到D盘的D:\Net_Program\Net_Ollama目录下，这样可以节约C盘的空间，如下图所示：

转移目录

转移后，我们还需要修改Ollama的环境变量。

打开环境变量，双击用户变量中的Path，我们会看到最后一条信息就是Ollama安装完成后默认添加进来的，如下图所示：

环境变量

我们双击最后一条信息进入编辑状态，修改为我们转移的目录D:\Net_Program\Net_Ollama，然后点击确定按钮关闭所有窗体即可，如下图所示：

环境变量

4、🎉验证Ollama

上述步骤完成后，我们可以打开CMD，输入ollama -v命令，如果出现如下图所示的内容就代表Ollama安装成功了：

同样我们输入ollama -h命令可以查看Ollama其他操作命令，如下图所示：

操作命令

5、🎄修改大模型存储位置

接下来我们需要配置大模型下载存储的目录位置（默认存储在C盘的C:\Users\quber\.ollama\models目录下）。

同样我们打开环境变量，然后在用户变量中点击新建按钮，变量名为OLLAMA_MODELS，变量值为D:\Net_Program\Net_Ollama\Models，其中的变量值就是大模型下载存储的目录位置，最后点击确定即可，如下图所示：

存储位置

6、🎁下载DeepSeek

同样我们打开Ollama官网，点击顶部的Models链接，此时我们就会看到deepseek-r1模型排在第一位，如下图所示：

DeepSeek

点击deepseek-r1链接进去，此时我们会看到下拉框中有各个版本的大模型，越往后对电脑硬件的要求越高，此处为了演示效果，我们选择1.5b进行下载（具体可根据自己的电脑和需求有选择性的下载），如下图所示：

DeepSeek

显卡要求：

版本	要求
DeepSeek-R1-1.5b	NVIDIA RTX 3060 12GB or higher
DeepSeek-R1-7b	NVIDIA RTX 3060 12GB or higher
DeepSeek-R1-8b	NVIDIA RTX 3060 12GB or higher
DeepSeek-R1-14b	NVIDIA RTX 3060 12GB or higher
DeepSeek-R1-32b	NVIDIA RTX 4090 24GB
DeepSeek-R1-70b	NVIDIA RTX 4090 24GB *2
DeepSeek-R1-671b	NVIDIA A100 80GB *16

随后我们复制下拉框后面的命令ollama run deepseek-r1:1.5b，粘贴到新打开的CMD窗口中回车执行（耐心等待下载完成），如下图所示：

DeepSeek

注意：上述下载命令需要在新打开的CMD窗口中执行（因为我们在【5、🎄修改大模型存储位置】中修改了大模型存储的位置），否则下载的文件存储在C:\Users\quber\.ollama\models位置，就不是我们修改的D:\Net_Program\Net_Ollama\Models这个位置了。

温馨提示：下载过程中，最开始下载速度可能要快一些，下载到后面可能就几百KB了，此时我们可以按Ctrl+C停止下载，然后再重新复制命令执行下载，此时的下载速度又恢复到了几MB了（此操作可能会遇到重新下载的情况，但是几率很小），如此往复操作即可，如下图所示：

DeepSeek

如出现如下图所示的效果就代表下载完成了：

DeepSeek

7、🎀验证DeepSeek

在DeepSeek下载完成后，我们就可以在CMD中输入内容进行对话了，如输入：你好，如下图所示：

假设我们安装了多个DeepSeek模型，我们可以通过ollama list命令查看已安装了的模型，如下图所示：

如果我们想运行某个模型，我们可以通过ollama run 模型名称命令运行即可，如下图所示：

如果我们想退出对话，我们可以通过/bye命令退出，如下图所示：

到此，DeepSeek R1的部署就基本告一段落。

8、🎑Web UI对话

虽然我们可以通过CMD窗口进行对话，但是相对不那么直观，于是我们可以通过第三方Web UI来实现对话效果。

8.1、🎨Chrome插件-Page Assist

首先我们通过谷歌浏览器官方插件地址搜索Page Assist，点击Page Assist - 本地 AI 模型的 Web UI，如下图所示：

Page Assist

然后添加到Chrome：

Page Assist

安装完成后，我们可以将该插件固定（钉）到浏览器顶部，方便使用，如下图所示：

Page Assist

随后我们点击该插件，就会出现如下图所示的界面：

Page Assist

在界面中出现了Unable to connect to Ollama的提示，是因为我们安装的Ollama没有启动，此时我们只需要启动Ollama软件即可，启动后的界面效果如下图所示：

Page Assist

设置中文：点击界面右上角的Settings按钮，将语言设置为简体中文，如下图所示：

Page Assist

设置完成后返回主界面，此时就是中文界面了。

选择模型：点击主界面中的第一个下拉框，选择我们刚才下载的模型deepseek-r1:1.5b，如下图所示：

Page Assist

到此，配置就完成了。

对话演示：接下来我们就可以愉快的对话了，效果如下图所示：

演示效果

温馨提示：上述演示效果等待时间可能有点长，和电脑的配置有一定的关系，仅供参考。

8.2、👑chatboxai在线对话

我们也可以通过在线Web UI https://web.chatboxai.app/ 进行对话。

首先我们打开https://web.chatboxai.app/，打开后界面中间会有一个弹出框，我们点击阴影处即可取消该弹框的显示。

设置中文：我们点击左下角的Settings，在弹出框中点击DISPLAY，在第一个下拉框中选择简体中文，随后点击右下角的SAVE即可显示为中文了，如下图所示：

设置中文

配置环境变量：在用户环境变量中，我们点击新建，分别新建下面两组变量，如下所示：

	OLLAMA_HOST 0.0.0.0 --任何IP都可以访问
	OLLAMA_ORIGINS *

环境变量

重启Ollama：配置好环境变量后，我们重启下Ollama，目的是让https://web.chatboxai.app/能自动识别连接到Ollama服务，然后刷新下https://web.chatboxai.app/。

设置模型提供方和模型：点击左下角的设置按钮，然后在模型选项卡中选择模型提供方为OLLAMA API，模型选择deepseek-r1:1.5b，然后点击保存，如下图所示：

对话演示：接下来我们就可以愉快的对话了，效果图下图所示：

演示效果

到此，DeepSeek R1模型的本地部署以及简单对话应用就完成了！！！

2025-02-08 15:03:44【出处】：https://www.cnblogs.com/qubernet/p/18702147

=======================================================================================

Deepseek本地部署指南：在linux服务器部署，远程open web-ui访问

1. 在Linux服务器上部署DeepSeek模型

要在 Linux 上通过 Ollama 安装和使用模型，您可以按照以下步骤进行操作：

步骤 1：安装 Ollama

安装 Ollama：
使用以下命令安装 Ollama：
```
curl -sSfL https://ollama.com/install.sh | sh
```
验证安装：
安装完成后，您可以通过以下命令验证 Ollama 是否安装成功：
```
ollama --version
```

在这里插入图片描述

步骤 2：下载模型

ollama run deepseek-r1:32b

这将下载并启动DeepSeek R1 32B模型。
在这里插入图片描述

DeepSeek R1 蒸馏模型列表

模型名称	参数量	基础架构	适用场景
DeepSeek-R1-Distill-Qwen-1.5B	1.5B	Qwen2.5	适合移动设备或资源受限的终端
DeepSeek-R1-Distill-Qwen-7B	7B	Qwen2.5	适合普通文本生成工具
DeepSeek-R1-Distill-Llama-8B	8B	Llama3.1	适合小型企业日常文本处理
DeepSeek-R1-Distill-Qwen-14B	14B	Qwen2.5	适合桌面级应用
DeepSeek-R1-Distill-Qwen-32B	32B	Qwen2.5	适合专业领域知识问答系统
DeepSeek-R1-Distill-Llama-70B	70B	Llama3.3	适合科研、学术研究等高要求场景

RTX 4090 显卡显存为 24GB，32B 模型在 4-bit 量化下约需 22GB 显存，适合该硬件。32B 模型在推理基准测试中表现优异，接近 70B 模型的推理能力，但对硬件资源需求更低。

步骤 3：运行模型

 ollama run deepseek-r1:32b

在这里插入图片描述
通过上面的步骤，已经可以直接在 Linux服务器通过命令行的形式使用Deepseek了。但是不够友好，下面介绍更方便的形式。

2. 在linux服务器配置Ollama服务

1. 设置Ollama服务配置
设置OLLAMA_HOST=0.0.0.0环境变量，这使得Ollama服务能够监听所有网络接口，从而允许远程访问。

sudo vi /etc/systemd/system/ollama.service

[Unit]
Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/local/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
Environment="OLLAMA_HOST=0.0.0.0"
Environment="PATH=/usr/local/cuda/bin:/home/bytedance/miniconda3/bin:/home/bytedance/miniconda3/condabin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/snap/bin"

[Install]
WantedBy=default.target

2. 重新加载并重启Ollama服务

sudo systemctl daemon-reload
sudo systemctl restart ollama

3. 验证Ollama服务是否正常运行

运行以下命令，确保Ollama服务正在监听所有网络接口：

sudo netstat -tulpn | grep ollama

您应该看到类似以下的输出，表明Ollama服务正在监听所有网络接口（0.0.0.0）：

tcp        0      0 0.0.0.0:11434           0.0.0.0:*               LISTEN      -                   ollama

4. 配置防火墙以允许远程访问

为了确保您的Linux服务器允许从外部访问Ollama服务，您需要配置防火墙以允许通过端口11434的流量。

sudo ufw allow 11434/tcp
sudo ufw reload

5. 验证防火墙规则
确保防火墙规则已正确添加，并且端口11434已开放。您可以使用以下命令检查防火墙状态：

sudo ufw status

状态： 激活

至                          动作          来自
-                          --          --
22/tcp                     ALLOW       Anywhere                  
11434/tcp                  ALLOW       Anywhere                  
22/tcp (v6)                ALLOW       Anywhere (v6)             
11434/tcp (v6)             ALLOW       Anywhere (v6)

6. 测试远程访问
在完成上述配置后，您可以通过远程设备（如Mac）测试对Ollama服务的访问。
在远程设备上测试连接：
在Mac上打开终端，运行以下命令以测试对Ollama服务的连接：

curl http://10.37.96.186:11434/api/version

显示

{"version":"0.5.7"}

测试问答

curl -X POST http://10.37.96.186:11434/api/generate \
     -H "Content-Type: application/json" \
     -d '{"model": "deepseek-r1:32b", "prompt": "你是谁?"}'

显示

{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.118616168Z","response":"\u003cthink\u003e","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.150938966Z","response":"\n\n","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.175255854Z","response":"\u003c/think\u003e","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.199509353Z","response":"\n\n","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.223657359Z","response":"您好","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.24788375Z","response":"！","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.272068174Z","response":"我是","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.296163417Z","response":"由","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.320515728Z","response":"中国的","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.344646528Z","response":"深度","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.36880216Z","response":"求","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.393006489Z","response":"索","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.417115966Z","response":"（","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.441321254Z","response":"Deep","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.465439117Z","response":"Seek","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.489619415Z","response":"）","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.51381827Z","response":"公司","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.538012781Z","response":"开发","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.562186246Z","response":"的","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.586331325Z","response":"智能","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.610539651Z","response":"助手","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.634769989Z","response":"Deep","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.659134003Z","response":"Seek","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.683523205Z","response":"-R","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.70761762Z","response":"1","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.731953604Z","response":"。","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.756135462Z","response":"如","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.783480232Z","response":"您","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.807766337Z","response":"有任何","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.831964079Z","response":"任何","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.856229156Z","response":"问题","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.880487159Z","response":"，","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.904710537Z","response":"我会","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.929026993Z","response":"尽","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.953239249Z","response":"我","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:15.977496819Z","response":"所能","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:16.001763128Z","response":"为您提供","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:16.026068523Z","response":"帮助","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:16.050242581Z","response":"。","done":false}
{"model":"deepseek-r1:32b","created_at":"2025-02-06T00:47:16.074454593Z","response":"","done":true,"done_reason":"stop","context":[151644,105043,100165,30,151645,151648,271,151649,198,198,111308,6313,104198,67071,105538,102217,30918,50984,9909,33464,39350,7552,73218,100013,9370,100168,110498,33464,39350,12,49,16,1773,29524,87026,110117,99885,86119,3837,105351,99739,35946,111079,113445,100364,1773],"total_duration":3872978599,"load_duration":2811407308,"prompt_eval_count":6,"prompt_eval_duration":102000000,"eval_count":40,"eval_duration":958000000}

通过上述步骤，已经成功在Linux服务器上配置了Ollama服务，并通过Mac远程访问了DeepSeek模型。接下来，将介绍如何在Mac上安装Web UI，以便更方便地与模型进行交互。

3. 在Mac上安装Web UI

为了更方便地与远程Linux服务器上的DeepSeek模型进行交互，可以在Mac上安装一个Web UI工具。这里我们推荐使用 Open Web UI，它是一个基于Web的界面，支持多种AI模型，包括Ollama。

1. 通过conda安装open-webui
打开终端，运行以下命令创建一个新的conda环境，并指定Python版本为3.11：

conda create -n open-webui-env python=3.11
conda activate open-webui-env
pip install open-webui

2. 启动open-webui

open-webui serve

在这里插入图片描述

3. 浏览器访问

http://localhost:8080/

使用管理员身份（第一个注册用户）登录
在Open webui界面中，依次点击“展开左侧栏”（左上角三道杠）–>“头像”（左下角）–>管理员面板–>设置（上侧）–>外部连接
在外部连接的Ollama API一栏将switch开关打开，在栏中填上http://10.37.96.186:11434（这是我的服务器地址）
点击右下角“保存”按钮
点击“新对话”（左上角），确定是否正确刷出模型列表，如果正确刷出，则设置完毕。

4. 愉快的使用本地deepseek模型
在这里插入图片描述

2025-02-14 19:54:43【出处】：https://blog.csdn.net/qq_34941290/article/details/145465550

=======================================================================================

安装Ollama

下载Ollama

安装 Ollama

Ollama默认各位置:

默认安装后的目录：C:\Users\username\AppData\Local\Programs\Ollama
默认安装的模型目录：C:\Users\username\ .ollama
默认的配置文件目录：C:\Users\username\AppData\Local\Ollama

因为 Ollama 安装过程中不支持修改以后模型目录的下载位置，所以安装前需要修改系统环境变量:

安装完成之后打开终端，查看安装版本：

ollama -v

下载模型

在 https://ollama.com/search 搜索需要下载的模型.
例如，想下载 deepseek-coder ，那么就搜索 deepseek-coder，那么会看到有三种参数:

假如想下载 33b 的 deepseek-codere，那么就可以运行:

ollama run deepseek-coder:33b

安装 Docker

开启 Windows 系统虚拟化

勾选Hyper-V选项

官网下载Docker:

https://docs.docker.com/desktop/setup/install/windows-install/

一路安装。
配置国内镜像源:

{
  "builder": {
    "gc": {
      "defaultKeepStorage": "20GB",
      "enabled": true
    }
  },
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "registry-mirrors": [
    "https://82m9ar63.mirror.aliyuncs.com",
    "http://hub-mirror.c.163.com",
    "https://docker.mirrors.ustc.edu.cn"
  ]
}

安装 OpenWebUI

下载地址: https://github.com/open-webui/open-webui

运行下面的命令之前，先启动 docker。
我使用的终端命令:

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

浏览器地址栏访问： http://localhost:3000/
第一次注册即可（注册内容保存在本地）。
注册成功，左上角可选择自己的大模型。
效果演示:

参考源:https://blog.csdn.net/weixin_43012017/article/details/138253446

出处：https://www.softool.cn/blog-291.html

posted on 2025-02-08 15:05 jack_Meng 阅读(4488) 评论(0) 收藏举报

刷新页面返回顶部

Jack_孟

全网最简单DeepSeek-R1本地部署教程

1.安装ollama

2.部署DeepSeek-R1模型

显卡要求

3.安装Chatbox

通过Ollama本地部署DeepSeek R1以及简单使用的教程（超详细）

1、🥇下载Ollama

2、🥈安装Ollama

2.1、🥪通过命令安装（推荐）

2.2、🍞通过鼠标双击安装（不推荐）

3、🥉转移Ollama安装目录

4、🎉验证Ollama

5、🎄修改大模型存储位置

6、🎁下载DeepSeek

7、🎀验证DeepSeek

8、🎑Web UI对话

8.1、🎨Chrome插件-Page Assist

8.2、👑chatboxai在线对话

Deepseek本地部署指南：在linux服务器部署，远程open web-ui访问

1. 在Linux服务器上部署DeepSeek模型

步骤 1：安装 Ollama

步骤 2：下载模型

步骤 3：运行模型

2. 在linux服务器配置Ollama服务

3. 在Mac上安装Web UI

Ollama+Docker+OpenWebUI 的安装

安装Ollama

下载Ollama

安装 Ollama

下载模型

安装 Docker

开启 Windows 系统虚拟化

官网下载Docker:

安装 OpenWebUI

导航

公告