deepseek 本地部署
纯新手教学，手把手5分钟带你在本地部署一个私有的deepseek，再也不用受网络影响。流畅使用deepseek！！！
如果不想看文章，指路：Deep seek R1本地部署 小白超详细教程，请大家多多投币，不胜感激~~
Ollama 下载安装
-
Ollama官网指路：Ollama，下载这步都会就没必要截图了，如果下载的慢建议科学上网，多试试。
-
在C盘以外的盘新建一个
Ollama文件夹存放ollama的安装位置（为什么要这样做，因为ollama不能指定安装位置）。 -
注意下载完成后不要立刻点击安装，将下载的可行性程序（OllamaSetup.exe）在文件资源管理器中打开，输入cmd
-
在命令行中执行如下命令：
ollamasetup.exe /DIR=+文件夹路径，这个文件夹的路径就是你创建的Ollama文件夹。
-
指定位置安装后如下图所示：
-
现在要修改模型默认下载的位置（因为模型下载也是默认在C盘的，但是一般模型体积会很大，C盘吃不消的），在C盘以外的盘新建一个
ollamaimagers文件夹存放ollama的安装位置。 -
编辑系统环境变量：
OLLAMA_MODELS，完成后，保存重启电脑，让环境变量生效。
小结：现在已经完成了Ollama指定位置的安装，和模型指定位置的安装
模型下载
-
模型网址链接：deepseek-r1
-
根据你自己的电脑配置，选择合适的模型进行下载，笔者这里使用的为1.5b模型，在命令行窗口中输入：
ollama run deepseek-r1:1.5b
-
中途如果下载很慢，可以按
ctrl + c结束下载，再运行模型下载的命令，会接着继续下载。
-
成功下载后，即可与本地deepseek对话。
附件
这是由deepseek推荐的各个模型的显卡配置：
| 模型规模 | 推荐显存（推理） | 推荐显卡（推理） | 推荐显存（训练） | 推荐显卡（训练） | 备注 |
|---|---|---|---|---|---|
| 1.5B | ≥4GB | GTX 1660 (6GB)、RTX 3050 (8GB) | ≥8GB | RTX 3060 (12GB)、RTX 2080 Ti (11GB) | FP16推理，训练需额外显存。 |
| 7B | ≥16GB | RTX 3090 (24GB)、RTX 4090 (24GB) | ≥24GB | 单卡A100 40GB、双RTX 3090（并行） | 无量化时需24GB显存；4位量化可降至约8GB，单卡RTX 3090即可推理。 |
| 8B | ≥16GB | RTX 3090 (24GB)、Tesla T4 (16GB) | ≥32GB | 双A100 40GB（并行） | 需注意T4可能因带宽不足导致速度较慢。 |
| 14B | ≥28GB | 单卡A100 40GB、双RTX 3090（并行） | ≥56GB | 双A100 40GB（并行）或四RTX 3090 | 4位量化推理需约14GB，单卡RTX 3090可运行。 |
| 32B | ≥64GB（FP16） | 双A100 40GB（并行）、四RTX 3090 | ≥128GB | 四A100 80GB集群、多卡H100 | 需模型并行；4位量化后显存降至约32GB，单A100 40GB可推理。 |
| 70B | ≥140GB（FP16） | 四A100 40GB（并行） | ≥280GB | 专业集群（如8xA100 80GB） | 4位量化后显存约35GB，单A100 40GB可推理，但需优化库（如vLLM）。 |
| 671B | ≥1.3TB（FP16） | 大规模分布式系统（如TPU Pod） | ≥2.6TB | 超算集群（数百张A100/H100） | 仅限企业和研究机构；需分布式训练框架（如DeepSpeed、Megatron-LM）。 |
Ollama 命令
- 输入
ollama help，即可看到命令帮助，这里最常用的命令就是：ollama list和ollama run ollama list：查看下载的所有模型ollama run：运行你下再的模型，命令后面跟模型的名称，如：ollama run deepseek-r1:1.5b，即可重新开始对话。ollama rm：删除模型，命令后面跟模型的名称，如：ollama rm deepseek-r1:1.5b。
