十分钟三步安装本地 DeepSeek大语言模型

最新推荐文章于 2025-08-01 15:57:00 发布
最新推荐文章于 2025-08-01 15:57:00 发布
阅读量495 收藏 2
点赞数 7
CC 4.0 BY-SA版权
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012745499/article/details/145605512

安装 ollama

https://ollama.com/
在这里插入图片描述

安装 deepseek

https://ollama.com/library/deepseek-r1

根据自己机器硬件需要选择不同版本.

这里选择 1.5b, 硬件要求是 内存 8g+; 7b 内存 16g+

cmd 输入命令

ollama run deepseek-r1:1.5b

在这里插入图片描述
在这里插入图片描述

安装界面客户端

https://chatboxai.app/zh

使用本地模型

选择 ollama api

选择 deepseek-r1:1.5b

正式开始与 DeepSeek 对话吧!
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

总结

三步下载安装配置, 即可创建本地 AI 大模型, 非常简单

名词解释

ollama: 大语音模型的下载和管理工具, 包括但不限于火爆的 DeepSeek 或者 阿里的千问 qwen
deepseek-R1: 拥有卓越性能的大语言模型, 在数学, 代码和推理任务上可与 OpenAI o1 媲美
chatboxai: 是一款 AI 客户端应用和智能助手, 支持很多 AI 模型和 API

十分钟搞定! DeepSeek本地部署详细指南！
一个喜欢诗和远方的程序媛
02-12 3711
保姆级教程，三步搞定deepseek本地部署，不求人！
DeepSeek+本地知识库：真的太香了
一个喜欢诗和远方的程序媛
03-12 2663
两种主流的搭建方案，保姆级教程，分别是基于 Cherry Studio 和基于 AnythingLLM 的搭建方法。
DeepSeek R1模型本地部署教程 （含软件包）
书山有路勤为径
02-07 6787
deepseek 本地部署 文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数..
【LLM大模型】谷歌AI杰玛Gemma大模型开源了！附2个本地部署安装教程和实例
pythonhy的博客
08-07 1436
Gemma 是一个轻量级、先进的开放模型系列，采用与创建 Gemini 模型相同的研究和技术构建而成。Gemma 由 Google DeepMind 和 Google 的其他团队开发，以拉丁语 gemma（意为“宝石”）命名，中文名杰玛。Gemma 模型权重由促进创新、协作和负责任地使用人工智能 (AI) 的开发者工具提供支持。
大模型部署本地低成本部署方案——矿渣AMD RX580-8G显卡 部署deepseek-r1 7b简单使用
m0_71266578的博客
03-19 1795
科技进步真快，580矿卡也能在本地跑大模型了。配置如下Ollama安装，
ollama-windows本地部署deepseek-r1-1.5b模型
qq1164014750
02-21 1012
ollama 是一个强大的工具，用于本地部署大语言模型。其官方地址为：https://ollama.com/ 和 https://github.com/ollama/ollama。ollama 使用 gguf 格式的大模型文件，这种格式具有诸多优势，比如存储效率高、加载速度快等。同时，ollama 使用 Modelfile 来配置大模型的一些关键属性，例如使用哪个具体的模型、系统提示词以及上下文参数大小等。
最强开源推理大模型 DeepSeek-R1 最清晰的免费本地部署使用教程
热门推荐
weixin_56619527的博客
01-28 1万+
本文带来 DeepSeekR1 模型免费本地部署教程，因官网下载慢，在文末附上百度网盘链接。教程分两步，第一步，先前往 ollama 官网下载安装程序，在命令行输入 “ollama -h” 测试安装并查看命令。再依据显存选 DeepSeek-R1 模型，复制下载代码在命令行运行，用 “ollama list” 查看安装情况并运行模型。第二步，从 chatbox 官网下载安装程序，打开后在设置里将模型提供方设为 ollama，选好模型保存即可开启对话。最后，分享安装包百度网盘链接，欢迎点赞收藏支持。
十分钟本地部署DeepSeek.zip
02-06
在本指南中，将详细说明如何在十分钟内完成DeepSeek的本地部署，包括但不限于安装必要的依赖库、配置环境变量、下载预训练模型、调整模型参数、测试模型性能等关键步骤。 部署前的准备工作是不可或缺的。用户需要...
DeepSeek-R1大模型本地化部署
delete_you的博客
02-02 957
主要介绍如何使用ollama搭设本地大模型平台，快速使用DeepSeek-R1大模型。
deepseek-r1 推理模型ollama离线使用
weixin_42357472的博客
01-21 1310
免费体验网站：主要参数：根据deepseek-r1 方法蒸馏的其他开源模型deepseek-r1 api调用。
deepseek本地部署
wg2627的博客
02-08 2675
deepseek-r1:1.5b这个模型确实很轻量资源占用很少，应该也就占用1GB多点显存，但是也确实比较呆，很多问题都回答不上来，这里如果想要运行其他模型，可以参考ollama的技术文档https://ollama.readthedocs.io/quickstart/ 里面说明了其他模型运行的方式以及所需要的资源。3、安装好后 打开CMD 输入 ollama run deepseek-r1:1.5b 即可展开对话。注：如果下载连接下载连接打不开，请把下载地址复制到迅雷中下载。1、Ollama官网下载。
deepseek搭建本地知识库
qq_36022463的博客
02-08 1221
ollama是一个大模型的运行框架，在上面可以运行不同的大模型。
win11通过ollama本地部署deepseek-r1:1.5b
李昂的博客
01-24 1万+
deepseek-r1:1.5b这个模型确实很轻量资源占用很少，应该也就占用1GB多点显存，但是也确实比较呆，很多问题都回答不上来，这里如果想要运行其他模型，可以参考ollama的技术文档https://ollama.readthedocs.io/quickstart/ 里面说明了其他模型运行的方式以及所需要的资源。下载完成后安装ollama，默认安装在c盘下面，这个通过默认安装方式无法更改模型就行，安装完成后可以打开CMD窗口输入。首次运行会自动下载模型，运行完成后就可以进行正常交互了。
提升CSDN文章在AI大模型的RAG搜索中引用率的综合策略分析,以“微学AI“为例
微学AI的博客
08-01 168
随着大型语言模型（LLM）与检索增强生成RAG技术的普及，AI驱动的搜索与问答正在成为获取技术信息的核心渠道。对于像“微学AI”这样的CSDN技术博主而言，其文章能否被这些AI系统有效检索和引用，直接关系到其知识传播的广度、个人品牌的影响力以及潜在的技术领导力。本报告深入剖析了RAG系统的工作原理，并结合传统的搜索引擎优化（SEO）与新兴的AI内容优化策略，为CSDN博主提出一套系统性的、可操作的优化方案。报告的核心观点是，创作者需要从“为人类读者写作”进化到“为人类与AI双重读者写作”.
AI算法实现解析-C++实例
keny-大成的博客
07-29 2132
本文摘要： 本文汇总了基于C++实现的多种AI/机器学习技术，涵盖计算机视觉、自然语言处理和强化学习等领域。主要内容包括： 计算机视觉： 目标检测（YOLOv3/YOLO Tiny） 人脸识别（OpenCV Haar级联/OpenFace） 图像风格迁移（OpenCV DNN模块） 特征匹配（SIFT/Lucas-Kanade光流） 自然语言处理： 文本分类（朴素贝叶斯/TF-IDF） 语言模型（N-gram/Word2Vec） 文本生成（LSTM/GRU） 情感分析（FastText/深度学习） 强化学习
【YOLO系列】YOLOv11详解：模型结构、损失函数、训练方法及代码实现
最新发布
一碗白开水一
08-01 721
YOLOv11在目标检测领域实现重大突破，通过动态骨干网络(Dyna-Backbone)和FPN++架构，在保持高帧率(≥60FPS)的同时提升小目标检测精度(AP_S提升5.6%)。创新采用CIoU++损失函数和类别平衡Focal Loss，结合Mosaic-Plus数据增强，参数量减少18%至6.5M。实验显示，该模型在COCO数据集上实现更高mAP，特别适合移动端部署，Jetson Xavier平台能耗比优化至3.2W·ms⁻¹，支持目标检测、实例分割等多任务场景。关键创新包括动态深度调整和双向特征金
AI崛起后，对使用AI的一些小思考
2303_81991798的博客
07-29 1064
AI编程工具的快速发展极大降低了技术门槛，使普通用户也能轻松制作静态网页等项目。然而，真正的技术壁垒在于后端开发、SEO优化等专业领域。开发者需从用户需求出发，关注解决实际痛点而非技术本身。在变现方面，需设计符合用户心理的定价策略，如免费增值模式和小额支付。面对大厂竞争，应通过优化体验、建立品牌等方式提升用户粘性。AI时代，创意和服务能力比技术实现更重要。
TDengine 中 TDgpt 异常检测的数据密度算法
TDengine(老段）专注时序数据库领域
07-29 505
Local Outlier Factor(LOF)，局部离群因子/局部异常因子，是 Breunig 在 2000 年提出的一种基于密度的局部离群点检测算法，该方法适用于不同类簇密度分散情况迥异的数据。根据数据点周围的数据密集情况，首先计算每个数据点的局部可达密度，然后通过局部可达密度进一步计算得到每个数据点的一个离群因子。该离群因子即标识了一个数据点的离群程度，因子值越大，表示离群程度越高，因子值越小，表示离群程度越低。最后，输出离群程度最大的。后续待添加基于数据挖掘检测算法。第三方异常检测算法库。
Whisper 语音识别 使用笔记
jacke121的专栏
07-30 394
WhisperProcessor 语音转文字 使用笔记
DEEpseek
07-06
### 关于 DeepSeek 大语言模型及其应用 DeepSeek 是一家专注于通用人工智能（AGI）的中国科技公司，致力于大语言模型的研发与应用。其核心目标是从零到一实现科研突破，并从一到百推动技术的实际落地[^1]。 #### ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值