网站title优化,网站开发信息发布,wordpress themepath,iis 子网站这篇文章前言是我基于部署好的deepseek-r1:8b模型跑出来的 关于部署DeepSeek的前言与介绍
在当今快速发展的技术环境中#xff0c;有效地利用机器学习工具来解决问题变得越来越重要。今天#xff0c;我将引入一个名为DeepSeek 的工具#xff0c;它作为一种强大的搜索引擎有效地利用机器学习工具来解决问题变得越来越重要。今天我将引入一个名为DeepSeek 的工具它作为一种强大的搜索引擎不仅能够帮助我们更高效地定位所需信息还能通过自动化的方式提供深度的分析和见解。
DeepSeek简介
DeepSeek 是一款基于先进人工智能技术开发的搜索引擎它结合了最先进的自然语言处理和大数据分析能力能够为用户提供高度个性化的搜索体验。与传统搜索引擎不同DeepSeek不仅会根据关键词匹配结果还能理解用户的意图自动调整搜索策略以满足特定需求。
为什么选择部署DeepSeek
在我的项目中我需要处理大量的数据寻找特定的模式和趋势。传统的方法往往效率低下且耗时较长而通过部署DeepSeek可以将其集成到现有的工作流程中自动化地进行信息检索和分析。这不仅能够提高效率还能减少人为错误确保数据处理的准确性。
部署目标
本文旨在详细描述我对DeepSeek 的部署过程、初步体验以及实际应用中的效果。通过分享我的经验我希望能为其他用户提供有价值的参考同时展示机器学习工具在日常工作中的潜力和便利性。 首先是环境介绍
我的笔记本安装了ubuntu系统所以我直接在ubuntu下使用docker快速部署ollama GPURTX 2060 6G CPUAMD R7 4800H MEMDDR4 3200 8x2 16G Docker Server Version: 25.0.2
准备工作
安装docker脚本使用root权限需要联网
#!/bin/bash
curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository deb [archamd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable
apt update#安装指定版本 这里我选择25.2版本使用稍微靠后一点的版本稳定性更好
apt-get install docker-ce5:25.0.2-1~ubuntu.20.04~focal
apt-mark hold docker-ce docker-ce-cli
# docker 要使用gpu设备需要安装驱动
curl -s -L https://nvidia.github.io/nvidia-container-runtime/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-container-runtime/$distribution/nvidia-container-runtime.list | sudo tee /etc/apt/sources.list.d/nvidia-container-runtime.list
sudo apt-get update
sudo apt-get install nvidia-container-runtime#安装二进制包docker-compose
wget https://ghfast.top/https://github.com/docker/compose/releases/download/v2.27.3/docker-compose-linux-x86_64
chmod x docker-compose-linux-x86_64
mv docker-compose-linux-x86_64 /usr/local/bin/docker-composemkdir /etc/docker/
#写入镜像加速配置
sudo tee /etc/docker/daemon.json -EOF
{registry-mirrors: [https://docker.m.daocloud.io,https://docker.1ms.run,https://docker-0.unsee.tech,https://docker.hlmirror.com,https://func.ink]}
EOFsystemctl daemon-reload
systemctl enable docker
systemctl start dockersystemctl status docker
拉取镜像
# web前端服务
docker pull ghcr.io/open-webui/open-webui:main
# ollama服务
docker pull ollama/ollama:0.5.7编排文件
#创建网络
docker network create --subnet 172.20.0.0/16 ollama-net
#创建目录
mkdir {ollamadeamon,ollamawebui}#目录结构如下将下面给出的文件写入docker-compose.yaml
luobozilenoud:~/docker$ tree -L 2
├── ollamadeamon
│ └── docker-compose.yaml #ollamadeamon目录下docker-compose.yaml文件
├── ollamawebui
│ ├── docker-compose.yaml #ollamawebui目录下docker-compose.yaml文件
ollamadeamon-docker-compose.yaml
version: 3.3
services:ollama:image: ollama/ollama:0.5.7container_name: ollama-deamonhostname: ollama-deamonrestart: unless-stoppedports:- 11434:11434networks:- ollama-nettty: truevolumes:- ./data:/root/.ollamadeploy:# 添加 GPU 资源配置resources:reservations:devices:- capabilities:- gpuenvironment:# 可选设置 CUDA 环境变量- NVIDIA_VISIBLE_DEVICESall # 使容器可以访问所有 GPU- NVIDIA_DRIVER_CAPABILITIEScompute,utility # 启用计算和工具功能
networks:ollama-net:external: trueollamawebui-docker-compose.yaml
version: 3.3
services:open-webui:image: ghcr.io/open-webui/open-webui:maincontainer_name: ollama-webuihostname: ollama-webuirestart: unless-stoppednetworks:- ollama-netports:- 3000:8080extra_hosts:- host.docker.internal:host-gatewayvolumes:- ./data:/app/backend/dataenvironment:- ENABLE_OPENAI_APIFalse- ENABLE_RAG_WEB_SEARCHTrue- RAG_WEB_SEARCH_ENGINEduckduckgo- RAG_WEB_SEARCH_RESULT_COUNT3- RAG_WEB_SEARCH_CONCURRENT_REQUESTS10
networks:ollama-net:external: true启动容器
进入对应的docker-compose.yaml文件所在目录下运行命令启动容器
cd ./ollamadeamon
docker-compose up -dcd ../ollamawebui
docker-compose up -d
拉取deepseek模型
#进入容器
docker exec -it ollama-deamon bash#拉取14b模型按照你的配置和需要拉取即可
ollama pull deepseek-r1:14b#下载好后运行模型
ollama run deepseek-r1:14b访问本地前端
访问 http://localhost:3000设置用户名和密码 选择下载好的模型使用即可
8b模型使用示例
前端代码预览 整体回答 推导过程 GPU 使用情况
