网站 信息内容建设 存在问题综合搜索引擎
本文分享在自己的本地电脑部署 DeepSeek，而且轻松简易，快速上手。
这里借助Ollama工具，在Windows系统中进行大模型部署~
1、安装Ollama
来到官网地址：Download Ollama on macOS
点击“Download for Windows”下载安装包，下载完成后能看到 OllamaSetup.exe
然后运行OllamaSetup.exe，进行Ollama安装，默认配置安装就好啦
安装完成后，能看到弹出小窗口，恭喜Ollama安装成功啦~
在应用列表也能看到的
2、加载和使用DeepSeek-R1
打开Windows“命令终端”，输入ollama，能看到相关信息：
然后来到Ollama的模型库 Ollama
找到deepseek-r1，点击进入
能看到deepseek-r1有不同大小的版本：1.5b、7b、8b、14b、32b、70b、671b
作者开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，
通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。
大家根据显卡情况，选择模型大小
| 模型 | 参数 (B) | VRAM 要求 (GB) | 推荐 GPU |
|---|---|---|---|
| DeepSeek - R1 - Zero | 671B | ~1,342 GB | 多 GPU 配置（例如，NVIDIA A100 80GB x16） |
| DeepSeek - R1 | 671B | ~1,342 GB | 多 GPU 配置（例如，NVIDIA A100 80GB x16） |
| DeepSeek - R1 - Distill - Qwen 1.5B | 1.5B | ~0.75 GB | NVIDIA RTX 3060 12GB 或更高 |
| DeepSeek - R1 - Distill - Qwen 7B | 7B | ~3.5 GB | NVIDIA RTX 3060 12GB 或更高 |
| DeepSeek - R1 - Distill - Llama 8B | 8B | ~4 GB | NVIDIA RTX 3060 12GB 或更高 |
| DeepSeek - R1 - Distill - Qwen 14B | 14B | ~7 GB | NVIDIA RTX 3060 12GB 或更高 |
| DeepSeek - R1 - Distill - Qwen 32B | 32B | ~16 GB | NVIDIA RTX 4090 24GB |
| DeepSeek - R1 - Distill - Llama 70B | 70B | ~35 GB | 多 GPU 配置（例如，NVIDIA RTX 4090 x2） |
这里可以先选择小的试一试，比如8b，
输入命令：ollama run deepseek-r1:8b
这里建议能科学上网，不然可能需要等待很久很久~
3、安装chatbox，改善聊天界面
如果使用命令进行聊天，感觉不太舒服，而且代码也不方便表示
这时我们使用chatbox工具，然后加载DeepSeek-R1模型，这样可以用一个漂亮的可视化界面聊天啦
chatbox官网地址：Chatbox AI官网：办公学习的AI好助手，全平台AI客户端，官方免费下载
然后点击Chatbox-1.9.7-Setup.exe，进行安装
建议安装路径放到D盘中，其他配置默认安装就好啦~
然后打开Chatbox，进行编辑配置
选择“OLLAMA API”，然后选择模型“deepseek-r1:8b”，其他配置默认就好啦
开启聊天啦
4、尝试不同版本的DeepSeek-R1
上面是DeepSeek-R1 8b的版本，用起来很流畅，于是尝试更大参数量的版本（32b）
输入命令：ollama run deepseek-r1:32b
成功啦~
使用olloma list，查询本地有那些模型
致敬：作者将DeepSeek-R1训练技术全部公开，以期促进技术社区的充分交流与创新协作。
论文链接： DeepSeek-R1/DeepSeek_R1.pdf at main · deepseek-ai/DeepSeek-R1 · GitHub
HuggingFace 链接： https://huggingface.co/deepseek-ai
分享完成~