本文将详细介绍如何在本地部署 DeepSeek 模型，并以图文的形式把操作步骤展示出来，确保即使是初学者也能轻松上手。我们将从环境准备、安装依赖、模型下载到运行模型的每一步进行详细讲解。
一、本地部署的适用场景
本地部署适合以下情况：
电脑配置较高，有独立显卡：本地部署需要较强的硬件支持，尤其是GPU需求。
有私密数据需要处理，担心泄密：本地部署可以避免数据上传到云端，确保数据安全。
需要与本地工作交流结合：处理高频任务或复杂任务时，本地部署可以提供更高的灵活性和效率。
日常使用量大，调用 API 需要收费：本地部署可以节省 API 调用的费用。
想要在开源模型基础上做个性化定制：本地部署允许你对模型进行二次开发和定制。
总结：有钱有技术 + 怕泄密 → 本地部署 没钱没技术 + 图省事 → 直接使用网页/APP
·
二、本地部署的基本步骤
1. 环境准备：确保你的系统满足以下要求
操作系统：Linux(推荐 Ubuntu 20.04 或更高版本)或 Windows。
Python：3.8 或更高版本。
GPU：支持 CUDA 的 NVIDIA GPU(推荐16GB 显存以上)。
CUDA：11.2 或更高版本。
CUDNN：8.1 或更高版本。
Linux择按照我编辑的跟着操作就行，Windows根据自己的电脑类型，选择不同版本。
苹果电脑选最左边(蓝色框)，Windows系统选最右边(红色框)，之后点击下载(绿色框)。
2. 安装依赖
首先，安装必要的依赖项：
sudo apt-get update
sudo apt-get install -y python3-pip python3-dev python3-venv git
3. 创建虚拟环境
为了避免依赖冲突，建议在虚拟环境中操作：
python3 -m venv deepseek-env
source deepseek-env/bin/activate
4. 安装 PyTorch
根据你的 CUDA 版本安装 PyTorch。例如，CUDA 11.2 的安装命令如下：
pip install torch torchvision torchaudio --extra-index-url xxx://download.pytorch.org/whl/cu112
5. 克隆 DeepSeek 仓库
从 GitHub 克隆 DeepSeek 的代码库：
git clone xxxx://github.xxx/deepseek-ai/deepseek.git
cd deepseek
6. 安装项目依赖
安装项目所需的 Python 依赖：
pip install -r requirements.txt
7. 下载预训练模型
下载 DeepSeek 的预训练模型权重，并将其放置在 models/ 目录下。你可以从guan方提供的链接下载，或使用以下命令(假设模型权重已上传到某个服务器)：
wget xxxx://example.xxx/path/to/deepseek_model.pth -O models/deepseek_model.pth
8. 配置环境变量
设置必要的环境变量，例如模型路径和 GPU 设备号：
export MODEL_PATH=models/deepseek_model.pth
export CUDA_VISIBLE_DEVICES=0
9. 运行模型
使用以下命令启动模型推理或训练：
python run.py --model_path $MODEL_PATH --input "你的输入文本"
10. 测试模型
你可以通过提供输入文本来测试模型的输出：
python run.py --model_path $MODEL_PATH --input "你好，DeepSeek!"
11. 训练模型(可选)
如果你想从头训练或微调模型，可以使用以下命令：
python train.py --model_path $MODEL_PATH --data_path path/to/your/data
12. 部署模型(可选)
你可以将模型部署为 API 服务，使用 Flask 或 FastAPI 等框架：
pip install fastapi uvicorn
uvicorn api:app --reload
13. 访问 API
如果部署成功，你可以通过 xxx://localhost:8000 访问 API，并通过 POST 请求发送输入文本。
使用 Ollama 进行本地部署(简化版)Windows系统
如果你觉得上述步骤过于复杂，可以使用 Ollama 来简化本地部署过程。Ollama 是一个用于管理 AI 模型的工具，特别适合初学者。
1. 安装 Ollama
打开浏览器，搜索 Ollama，进入guan网。
点击 Download，根据你的操作系统选择对应的版本(Windows、macOS 或 Linux)。
下载并安装 Ollama。安装完成后，桌面会出现一个羊驼图标。
特别说明：最好安装在C盘，安装在其它盘，需要重新配置环境变量。
2. 选择并安装模型
打开 Ollama guan网，点击右上角的 Models。
选择 deepseek-r1 模型，并根据你的电脑性能选择合适的参数版本(如 1.5b、7b、14b 等)。
复制安装命令，例如：
ollama run deepseek-r1:1.5b
打开命令行(Windows 用户按 Win + R，输入 cmd)，粘贴并运行上述命令。模型将自动下载并安装。
点击键盘上的“Enter”键，模型会自动下载。
3. 与模型对话
安装完成后，你可以直接在命令行中与模型对话：
ollama run deepseek-r1:1.5b
输入你的问题，模型会立即给出回答。
此时大模型安装在你的电脑上，就算断网也可以继续用，也不用担心数据泄露。
后续运行模型操作注意事项：
当你关闭电脑后，下次再打开ollama。会发现点击ollama的图标，电脑没反应。
因为你点击图标，只是启动了ollama，想要和大模型聊天，还是需要打开命令行。
继续通过命令行和大模型聊天：
同时按下键盘上的Win和R键，在弹出的窗口里输入cmd，点击确定打开命令行。在命令行界面，输入刚刚的命令“ollama run deepseek-r1:1.5b”。因为你之前已经下载过，这次无需下载，可以直接和模型聊天。
四、安装 Open-WebUI(可选)
Open-WebUI 可以为 Ollama 提供一个更友好的图形界面，但安装过程较为复杂，适合有一定技术基础的用户 (只是让交互界面更好看，可以不必安装)
这里就给大家简单的演示讲解下：
1. 安装 Docker
打开浏览器，搜索 Docker，进入guan网，根据你的电脑系统下载并安装 Docker 桌面版。
安装完成后，需要重新启动电脑，才能正常使用docker。重新启动后，如果你的桌面上出现了docker的图标，就表示安装成功了。
2. 安装 Open-WebUI
打开命令行，输入以下命令安装 Open-WebUI：(linux系统)
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
安装完成后，打开浏览器，访问 xxx://localhost:3000，注册一个账号并登录。
在界面左上角选择你的模型，即可开始对话。
Windows：浏览器搜索Open-WebUI，进入guan网，并复制红框中的命令。
按照上面提到的步骤，打开命令行，输入复制的命令，等待安装完成。
运行Open-WebUI
双击docker的桌面图标，打开软件。点击红框端口，即可运行Open-WebUI。
初次访问时，需要注册一个账号。这些信息会储存在你的电脑里。
在界面左上角，选择你的模型，就可以开始对话啦。
五、常见问题
1. 如何查看已安装的模型?
在命令行中输入以下命令：
ollama list
2. 如何删除模型?
在命令行中输入以下命令：
ollama rm deepseek-r1:1.5b
在命令行输入，ollama rm + 模型名称，例如：ollama rm deepseek-r1:1.5b，就会自动删除对应模型。
3. ollama的其它功能
命令行输入ollama，展示出ollama的其它功能。
比如：输入“ollama stop”是停止模型运行，“run + 模型名”是运行对应模型。
六、总结
通过以上步骤，你可以轻松在本地部署 DeepSeek 模型。无论是通过手动安装还是使用 Ollama，本地部署都能为你提供更高的灵活性和数据安全性。
