大模型本地部署系列（2） Ollama部署DeepSeek-R1

成功运行截图

部署步骤

我们进入到ollama的官网：

Ollama​ollama.com/​编辑

找到上方的Models ，然后点击

此时会跳转到模型列表页面：

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，如下图所示：

模型参数（1.5B、7B、8B等）是什么意思？

这些数字代表模型的 参数量（比如1.5B=15亿，7B=70亿），你可以简单理解为模型的“脑细胞数量”：

• 参数越多 → 模型越聪明（能处理复杂任务，比如写代码、逻辑推理），但需要的计算资源也越多。
• 参数越少 → 模型更轻量（反应快、适合简单任务），但对复杂问题可能表现一般。

举个例子：

• 1.5B 模型 ≈ 一个“高中生”水平（能聊天、写短文）。
• 7B 模型 ≈ “大学生”水平（能写代码、分析问题）。
• 70B 模型 ≈ “教授”水平（专业级回答，但需要顶级显卡）。

本地部署需要什么电脑配置？

运行模型主要依赖 内存（RAM） 和 显卡（GPU），具体需求如下：

最低配置（能跑，但可能慢）

1.5B 模型：

• • CPU：4核（Intel/AMD均可）
  • 内存：8GB
  • 显卡：可选（无GPU也能跑，用CPU）
  • 硬盘：5GB空间（存储模型）

7B~8B 模型：

• • CPU：4核以上
  • 内存：16GB（必须！）
  • 显卡：可选，但有GPU（如NVIDIA GTX 1060 6GB）会快很多
  • 硬盘：15GB空间

流畅配置（推荐）

7B~8B 模型：

• • 内存：32GB（避免卡顿）
  • 显卡：NVIDIA RTX 3060（12GB显存）或更高
  • 硬盘：SSD（加快加载速度）

13B+ 模型：

• • 需要高端显卡（如RTX 4090 24GB显存）或专业级设备。

根据上面的参考， 我们就安装8B， 也就是80亿参数。然后点击右边的复制，就会复制安装命令。

打开cmd， 粘贴上面复制的命令， 等待下载。

此时我们的模型下载目录就会多出文件：

等了很久，如果出现了 “unable to allocate CUDA0 buffer” ， 表示你的GPU内存不足。

然后运行 “nvidia-smi”， 查看 占用GPU的进程，然后全部关掉。

然后重新运行 “ollama run deepseek-r1:8b” ， 还是不行的话， 就用1.5B参数的吧！

我这里已经成功了：