当前位置：首页 > wzjs >正文

宁波网站建设明细报价竞价培训

wzjs 2025/7/27 10:17:54

宁波网站建设明细报价,竞价培训,师德师风建设网站,网站与网页本文基于多篇技术文档与实践经验，提供两种主流本地部署DeepSeek的方案（基于Ollama和vLLM），涵盖硬件准备、环境配置、模型选择到可视化交互的全流程指南，并针对常见问题提供优化建议。一、部署前的准备 1. 硬件与软件…

本文基于多篇技术文档与实践经验，提供两种主流本地部署DeepSeek的方案（基于Ollama和vLLM），涵盖硬件准备、环境配置、模型选择到可视化交互的全流程指南，并针对常见问题提供优化建议。

一、部署前的准备

1. 硬件与软件需求

硬件配置：
- 入门级（1.5B/7B模型）：CPU 4核以上，内存8GB+，显存4GB+（如NVIDIA GTX 1650）。
- 高性能需求（14B及以上）：需高端GPU（如RTX 4090 24GB显存）或多卡并行服务器。
- 存储空间：模型文件大小从1.5B的3GB到70B的70GB不等，需预留充足空间。
软件环境：
- 推荐操作系统：Windows 10/11、Ubuntu 22.04、macOS 14+。
- 必备工具：Python 3.8+、Ollama（简化部署工具）或vLLM（高效推理库）。

二、两种主流部署方案

方案一：基于Ollama的快速部署（适合新手）

步骤1：安装Ollama

访问Ollama官网，下载对应系统的安装包。
验证安装：终端输入 ollama --version，显示版本号即成功。

步骤2：下载DeepSeek模型

选择模型版本（根据显存）：

# 示例：下载7B版本
ollama run deepseek-r1:7b

注意：部分小模型（如1.5B/7B）为Qwen或Llama蒸馏版，非DeepSeek原生大模型，需通过名称区分。

步骤3：启动服务与交互

启动Ollama服务：
```
ollama serve
```
终端直接对话：输入 ollama run deepseek-r1:7b，输入问题即可交互。

步骤4：可视化界面配置（可选）

推荐工具：Chatbox 或 Cherry Studio，配置Ollama API地址 http://localhost:11434/v1，选择对应模型即可实现图形化操作。

方案二：基于vLLM的高效部署（适合开发者）

步骤1：配置Python环境

安装Python 3.8+，验证命令：
```
python --version
pip --version
```

步骤2：下载DeepSeek模型

通过ModelScope下载原生模型（如DeepSeek-R1-Distill-Qwen-7B）：

pip install modelscope
modelscope download --model deepseek-ai/DeepSeek-R1-Distill-Qwen-7B --local_dir /path/to/save

步骤3：安装vLLM并启动服务

创建虚拟环境并安装vLLM：

python -m venv venv
source venv/bin/activate  # macOS/Linux
pip install vllm

启动推理服务：

CUDA_VISIBLE_DEVICES=0 vllm serve /path/to/save/model --port 8102 --max-model-len 16384

步骤4：调用API进行推理

使用Python代码调用服务：

from openai import OpenAI
client = OpenAI(base_url="http://localhost:8102/v1", api_key="EMPTY")
response = client.completions.create(model="deepseek-r1", prompt="你好")
print(response.choices[0].text)