Ollama部署Deepseek-R1大模型实操教程

火爆的Deepseek-R1开源大模型，不自己部署一下，实难对得起狂热的人工智能，下面就教大家如何本地部署Deepseek-R1开源大模型。

【环境】

    硬件配置：

        x86平台

        CPU：E3-1505M

        GPU：NVIDIA M2000M 4GB

        内存：48GB

        硬盘：1.5TB

    软件配置：

        操作系统：windows 10 x64 专业版

【部署】

    用Ollama部署Deepseek-R1方法（确保可访问https://ollama.com和https://github.com网站）：

    1、下载安装ollama。

        登录网站后，直接点击Download即可，如下：

    2、进去ollama程序

使用cmd+r命令进入命令提示符，输入如下命令：

ollama -v

成功示例：

C:\Users\willi>ollama -v

ollama version is 0.5.7

3、deepseek-r1模型选择与拉取

对于模型的选择，建议大家根据自己电脑配置选择，否则卡死你。当然，模型越大效果越好。下面是我安装的一些模型：

        通过对上述模型的运行，确认可以流畅运行1.5b、7b模型，14b模型运行较慢，卡顿明显。而70b模型实在不适合本机运行，超级慢，光<think>都要等很久，输出差不多好几秒才1个字，但它的理解能力确实是我安装的几个模型中最好的。小编是计划删除该模型，占用空间不说，关键是运行不起来啊。

用ollama最大的好处是，可以随意拉取需要的模型，做本地部署。如果要运行最好的效果，条件好的选手可以拉取如下671b模型试试。

DeepSeek-R1的完整模型是671b，但本地部署的小伙伴还是别想了，电脑能力不够，必须上集群计算。

ollama run deepseek-r1:671b

也可以安装蒸馏模型，占用空间和运行压力都会小一很多，如下（随便安装一个就行）：

DeepSeek-R1-Distill-Qwen-1.5B模型

ollama run deepseek-r1:1.5b

DeepSeek-R1-Distill-Qwen-7B模型

ollama run deepseek-r1:7b

DeepSeek-R1-Distill-Llama-8B模型

ollama run deepseek-r1:8b

DeepSeek-R1-Distill-Qwen-14B模型

ollama run deepseek-r1:14b

DeepSeek-R1-Distill-Qwen-32B模型

ollama run deepseek-r1:32b

DeepSeek-R1-Distill-Llama-70B模型

ollama run deepseek-r1:70b

4、当界面显示>>>开头时，说明可以和deepseek对话了。

/help 显示帮助信息

/bye 退出对话

/clear 清楚当前会话的上下文信息，即重新开始会话

5、利用chatbox访问（可选，本文不做说明，感兴趣的小伙伴自己尝试吧）

到https://chatboxai.app地址下载对应系统的程序，然后按照步骤连接到模型即可。

【应用】

启动DeepSeek-R1-Distill-Qwen-1.5B模型模型，验证下效果。如下：

    奇怪啊，为什么她叫小红啊？如果你用chatbox访问，效果会更好，下面是我用chatbox对话的效果。

    奇怪的是，用的同一个模型，但是得到的答案完全不一样，应该与上下文有关系（self-attention机制导致），清除前文会话后，得到的结果就差不多了（个人认为，如果得到文本完全一样，感觉这模型就没啥意思了，表达的意思相近才是最重要的）。

【小结】

    本文是利用ollama工具进行模型部署的，和官方部署环境有些差异，但无关紧要。运行模型才是最终要的，毕竟模型才是大脑。小伙伴在部署的时候一定要根据自己的实际情况部署，并进行测试，效果刚刚的。

来源：Python知识驿站