【0基础保姆级教程】零基础在Windows部署DeepSeek大模型＋避坑指南+效率优化

智界软体库

于 2025-06-23 10:57:01 发布

阅读量389

点赞数 12

CC 4.0 BY-SA版权

文章标签：人工智能 deepseek

本文链接：https://blog.csdn.net/fanyh123/article/details/148841803

📌 大家好，我是智界软体库，每天分享智能且好用的开源项目，如果本篇文章对您有所帮助，请帮我点个小赞小收藏小关注吧，谢谢喲！😘😘😘

博主声明：本文旨在提供技术指导和灵感，不涉及任何具体软件或工具的推广。

一、简介：

想在自己的Windows电脑运行最新国产大模型DeepSeek？本教程手把手教你绕过环境配置的深坑，20分钟完成从零部署到对话测试！

二、截图示例：

三、安装教程：

一、安装Ollama（可以承载DeepSeek模型的程序）

1、打开官网下载程序：Ollama（此程序需要网络可以访问github）

如访问不了github，可以下载我从官网下载好的安装包：点我下载安装包

注意：下载的安装包直接安装会默认在C盘安装，如需在其他盘安装可以在需要安装的目录打开cmd控制台，输入以下命令后回车执行

#E:\AI\Ollama是你要安装的目录

OllamaSetup.exe /DIR=E:\AI\Ollama

2、新建文件夹model，并在当前目录运行cmd

3、运行以下命令下载模型数据 ollama pull deepseek-r1:1.5b

如需下载更多模型可以看文章结尾

下载完成后

4、运行此命令启动模型 ollama run deepseek-r1:1.5b

二、下载/启动模型命令大全

#下载不同的模型数据，注意越大的数据需要的电脑配置越高，可根据自己需求下载
ollama pull deepseek-r1:1.5b
ollama pull deepseek-r1:7b
ollama pull deepseek-r1:8b
ollama pull deepseek-r1:14b
ollama pull deepseek-r1:32b
ollama pull deepseek-r1:70b
ollama pull deepseek-r1:671b

#启动不同模型数据命令
ollama run deepseek-r1:1.5b
ollama run deepseek-r1:7b
ollama run deepseek-r1:8b
ollama run deepseek-r1:14b
ollama run deepseek-r1:32b
ollama run deepseek-r1:70b
ollama run deepseek-r1:671b

三、ollama基本命令

# 查看已下载模型
ollama list
 
# 拉取模型
ollama pull 模型名称
 
# 运行模型
ollama run 模型名称
 
# 卸载模型
ollama rm 模型名称
 
# 退出聊天
/bye

不同参数量模型本地部署硬件要求

根据 Ollama 平台提供的 DeepSeek-R1 模型信息，以下是不同参数量模型的本地部署硬件
要求和适用场景分析。
注：部分数据基于模型通用需求推测，具体以实际部署测试为准。

1. DeepSeek-R1-1.5B
CPU: 最低 4 核（推荐 Intel/AMD 多核处理器）
内存: 8GB+
硬盘: 3GB+ 存储空间（模型文件约 1.5-2GB）
显卡: 非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650）
场景:
低资源设备部署（如树莓派、旧款笔记本）
实时文本生成（聊天机器人、简单问答）
嵌入式系统或物联网设备

2. DeepSeek-R1-7B
CPU: 8 核以上（推荐现代多核 CPU）
内存: 16GB+
硬盘: 8GB+（模型文件约 4-5GB）
显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
场景:
本地开发测试（中小型企业）
中等复杂度 NLP 任务（文本摘要、翻译）
轻量级多轮对话系统

3. DeepSeek-R1-8B
硬件需求: 与 7B 相近，略高 10-20%
场景:
需更高精度的轻量级任务（如代码生成、逻辑推理）

4. DeepSeek-R1-14B
CPU: 12 核以上
内存: 32GB+
硬盘: 15GB+
显卡: 16GB+ 显存（如 RTX 4090 或 A5000）
场景:
企业级复杂任务（合同分析、报告生成）
长文本理解与生成（书籍/论文辅助写作）

5. DeepSeek-R1-32B
CPU: 16 核以上（如 AMD Ryzen 9 或 Intel i9）
内存: 64GB+
硬盘: 30GB+
显卡: 24GB+ 显存（如 A100 40GB 或双卡 RTX 3090）
场景:
高精度专业领域任务（医疗/法律咨询）
多模态任务预处理（需结合其他框架）

6. DeepSeek-R1-70B
CPU: 32 核以上（服务器级 CPU）
内存: 128GB+
硬盘: 70GB+
显卡: 多卡并行（如 2x A100 80GB 或 4x RTX 4090）
场景:
科研机构/大型企业（金融预测、大规模数据分析）
高复杂度生成任务（创意写作、算法设计）

7. DeepSeek-R1-671B
CPU: 64 核以上（服务器集群）
内存: 512GB+
硬盘: 300GB+
显卡: 多节点分布式训练（如 8x A100/H100）
场景:
国家级/超大规模 AI 研究（如气候建模、基因组分析）
通用人工智能（AGI）探索
通用建议
量化优化：使用 4-bit/8-bit 量化可降低显存占用 30-50%。
推理框架：搭配 vLLM、TensorRT 等加速库提升效率。
云部署：70B/671B 建议优先考虑云服务以弹性扩展资源。
能耗注意：32B+ 模型需高功率电源（1000W+）和散热系统。

本文完结！

祝各位点赞收藏的大佬身体健康，万事如意，发财暴富💖💖💖！！！