【DeepSeek】本地部署，保姆级教程

### 本地部署 DeepSeek 大语言模型的完整指南 在本地环境中部署 DeepSeek 大语言模型可以通过 Ollama 框架实现。Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）设计[^3]。以下是具体步骤： #### 1. 硬件与环境准备 根据硬件配置选择合适的模型版本。DeepSeek 提供了多种参数量的模型，包括轻量版（1.5B 参数）和高性能版（7B 参数）。如果设备性能允许，可以选择更大参数量的模型以获得更好的效果[^2]。 - **轻量版（1.5B 参数）**：适合较低配置的设备。 - **高性能版（7B 参数）**：推荐用于性能较高的设备。 #### 2. 安装 Ollama 首先需要安装 Ollama 框架。Ollama 支持多种操作系统，包括 Linux、Mac 和 Windows。以下以 Linux 系统为例说明安装过程： ```bash # 下载并安装 Ollama curl https://ollama.ai/install.sh | sh ``` 验证安装是否成功： ```bash ollama version ``` #### 3. 拉取 DeepSeek 模型 使用 `ollama pull` 命令从远程仓库拉取 DeepSeek 模型。根据硬件选择合适的版本： - 轻量版（1.5B 参数）： ```bash ollama pull deepseek-r1:1.5b ``` - 高性能版（7B 参数）： ```bash ollama pull deepseek-r1:7b ``` 模型文件默认存储路径为 `/usr/share/ollama/.ollama/models`，可以通过设置环境变量修改存储位置： ```bash export OLLAMA_MODELS="/mnt/ssd/models" ``` #### 4. 启动模型服务 使用 `ollama run` 命令启动模型服务。以下命令将以后台模式运行 DeepSeek 模型： ```bash ollama run deepseek-r1:7b ``` #### 5. 测试对话功能 模型启动后，可以进行简单的测试对话。例如： ```bash >>> 你好，请写一段 Python 排序代码 ``` #### 6. 文件存储路径 默认情况下，模型文件存储在 `/usr/share/ollama/.ollama/models` 目录下。如果需要更改存储路径，可以通过设置环境变量实现： ```bash export OLLAMA_MODELS="/mnt/ssd/models" ``` ### 示例代码 以下是一个简单的 Python 排序代码示例： ```python def quick_sort(arr): if len(arr) <= 1: return arr else: pivot = arr[len(arr) // 2] left = [x for x in arr if x < pivot] middle = [x for x in arr if x == pivot] right = [x for x in arr if x > pivot] return quick_sort(left) + middle + quick_sort(right) print(quick_sort([3, 6, 8, 10, 1, 2, 1])) ```