DeepSeek本地部署教程 基于Ollama的图文安装指南
DeepSeek安装部署教程:基于Ollama获取最强推理能力
DeepSeek最近火得不行,你是不是也想把它免费装到自己电脑上?想拥有这个“最强大脑”的顶级推理能力,其实路径很清晰:先在本地安装Ollama这个大模型运行框架,然后通过它来拉取和运行DeepSeek模型。下面这份详细教程,带你一步步走通整个过程。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新! 👉 点此立即查看 👈
安装Ollama
第一步,访问Ollama的官方网站:ollama.com。进入首页后,找到那个醒目的“Download”按钮,点击它。参考下图:

这样一来,Ollama的安装程序就准备下载到你的本地电脑了。
接下来,根据你电脑的操作系统,选择对应的版本进行下载安装。Ollama目前对macOS、Linux和Windows这些主流系统都提供了完善的支持。至于具体的下载和安装步骤,这里就不展开细说了,跟着官方引导走,通常都很顺畅。
运行Ollama
安装完成后,关键是要确保Ollama在后台正常运行。这个步骤其实很简单。以Mac电脑为例,你只需要留意屏幕顶部菜单栏——如果能看到那个可爱的小羊驼图标,就说明Ollama已经在默默工作了。如下图所见:

只要这个小图标出现,就表示环境已经就绪,可以进行下一步操作了。
Ollama查找deepseek
模型从哪里找?同样是在Ollama的官网。打开网站,在搜索框里输入“deepseek”进行搜索。结果页面会清晰地列出相关模型,如下图所示:

没错,那个备受关注的deepseek-r1系列大模型就在那里。
选择deepseek-r1不同模型大小
点击进入deepseek-r1的详情页,你会发现它提供了多个不同参数规模的版本,比如1.5b、7b、8b、14b、32b、70b乃至671b。这里有个重要的选择逻辑:模型大小直接决定了它对电脑硬件的要求。参数越大的模型,通常需要越高的显存、显卡性能和内存配置。
具体该怎么选?一个基本原则是,根据你本地设备的配置量力而行。可以参考这个思路:如果你只是想快速体验或硬件资源有限,那么小参数模型(如1.5b、7b)是更轻量、更快速的选择;如果你的电脑配置较高,尤其是拥有性能不错的显卡和充足的内存,那么完全可以挑战更大的模型(如14b、32b甚至更高),以获得更强大的推理能力。关于这些版本之间更具体的区别,网上有详细的对比资料可供查阅。
如何运行模型?
选好模型后,怎么让它跑起来?操作命令其实非常直接。确定你想要运行的特定模型版本,然后复制对应的命令行,粘贴到你的终端(Terminal)里执行即可。
各个版本的运行命令如下:
DeepSeek-R1-Distill-Qwen-1.5B:
ollama run deepseek-r1:1.5b
DeepSeek-R1-Distill-Qwen-7B:
ollama run deepseek-r1:7b
DeepSeek-R1-Distill-Llama-8B:
ollama run deepseek-r1:8b
DeepSeek-R1-Distill-Qwen-14B:
ollama run deepseek-r1:14b
DeepSeek-R1-Distill-Qwen-32B:
ollama run deepseek-r1:32b
DeepSeek-R1-Distill-Llama-70B:
ollama run deepseek-r1:70b
这里以1.5B版本为例。复制 ollama run deepseek-r1:1.5b 这条命令,在终端粘贴并按下回车。接下来,你会看到终端开始拉取模型文件,耐心等待进度条“pulling manifest”达到100%。这个过程如下图所示:

下载完成后,你的本地DeepSeek模型就部署成功了!现在可以开始尽情“折腾”它了。比如,在终端输入你的第一个问题:“阿里云会让我财富自由吗?”,看看它会如何回答。效果类似下图:

对话结束后,如果想退出当前的模型交互界面,直接在终端输入 /bye 命令即可。
说到这里需要提一下,本篇教程核心是教你如何通过Ollama这个框架来运行DeepSeek。关于Ollama本身更丰富的终端指令和高级操作,比如模型管理、参数调整等,网上有非常多的资源可供深入探索,这里就不赘述了。祝你部署顺利,玩得开心!
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
Ubuntu系统下使用Go语言实现机器学习的实践指南
在Ubuntu上使用Go进行机器学习需先安装环境并配置工作空间,通过goget获取golearn等库。编写代码遵循数据加载、模型训练、预测评估的流程后运行程序。Go在性能与并发方面有优势,但生态不如Python丰富,更适合特定工程场景或统一技术栈的团队探索。
Ubuntu系统下Go语言程序打包方法与核心要点
在Ubuntu中打包Go应用需关注环境配置、交叉编译与优化。通过GoModules管理依赖,使用CGO_ENABLED=0生成静态二进制文件以实现跨平台兼容。利用UPX和链接器参数减小体积,采用Docker多阶段构建制作最小镜像。交付时建议包含平台信息并签名,注意解决动态库依赖和版本锁定等常见问题。
Android开发中高效管理多个CheckBox组件的实用技巧
在Android应用开发过程中,高效管理多个功能相似的复选框(CheckBox)是提升开发效率的关键。无论是应用设置界面、多选列表,还是动态生成的选项列表,如果对每个CheckBox都进行单独引用和操作,代码会迅速变得冗长且难以维护。那么,是否存在更优雅的解决方案?答案是肯定的——通过数组或动态集合
面向对象编程中封装字段如何提升代码安全性与维护性
将类的公共字段改为私有,并提供公共的获取和设置方法,是提升代码安全性与可控性的基础重构。此举能防止外部随意读写,避免状态失控,并便于后续加入校验、脱敏等控制逻辑,适用于核心业务或敏感字段。
Master-Worker架构解析如何实现并发任务的负载均衡与结果高效合并
Master-Worker架构的核心在于实现任务划分、动态负载均衡与可靠结果合并的协同:任务必须具备无依赖性与可聚合性,负载需依据节点实时能力进行动态分配,结果合并则需通过唯一ID、版本号及超时重试机制确保不丢失、保顺序、容故障。 构建一个高性能的Master-Worker并发架构,核心在于系统性地
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

