本地 deepseek 识图

### 设置和使用 DeepSeek 进行图像识别 #### 安装 Ollama 和 DeepSeek 模型为了在本地环境中利用 DeepSeek 执行图像识别任务，首先需完成 Ollama 的安装以及特定于图像处理的 DeepSeek 版本部署。通过访问 ollama 官网并遵循指引下载与安装 ollama 软件包[^2]。接着，在 ollama 官方网站中的 Models 页面找到适用于图像操作的 deepseek-r1 或者更专业的多模态模型 Janus-Pro-7B 并获取相应的启动命令。对于 Windows 用户来说，则是在运行窗口 (win+r) 中调用 CMD 来执行之前复制好的指令 `ollama run deepseek-r1` 以加载所选模型到本地环境里。 #### 配置 Chatbox 应用程序随后转向 Chatbox 网站来取得该应用程序，并按照指示完成其配置过程。当一切准备就绪之后，在软件内部调整设定选项至 ollama API 接口处，这一步骤通常会被自动化检测机制简化掉手动干预的需求。 #### 实现图像识别功能一旦上述准备工作全部结束，就可以着手构建基于 Python 的脚本来实现具体的图像识别逻辑了： ```python from PIL import Image import requests from io import BytesIO def recognize_image(image_path): """ 对给定图片路径下的文件进行图像识别. 参数: image_path : str, 待分析的目标图片位置返回值: result : dict, 包含分类标签和其他元数据的结果字典 """ # 加载待测图片 img = Image.open(image_path) # 将图片转换成适合传输的形式 buffered = BytesIO() img.save(buffered, format="JPEG") img_str = base64.b64encode(buffered.getvalue()).decode('utf-8') payload = {"image": img_str} response = requests.post("http://localhost:8000/predict", json=payload).json() return response['result'] ``` 此段代码展示了怎样读取一张存储于磁盘上的 JPEG 文件作为输入源，并将其编码为 Base64 字符串形式发送给已部署完毕的服务端接口 `/predict` 。最终解析服务器返回的数据结构从而获得预测类别及其他辅助信息[^3]。

阅读全文

CSDN会员

开通CSDN年卡参与万元壕礼抽奖

海量 VIP免费资源千本正版电子书商城会员专享价千门课程&专栏

全年可省5,000元立即开通