2025-05-08-deepseek本地化部署

---

title: 2025-05-08-deepseek 本地化部署
tags:
深度学习
程序开发

2025-05-08-deepseek 本地化部署

参考博客
本地部署 DeepSeek：小白也能轻松搞定！

如何给本地部署的 DeepSeek 投喂数据，让他更懂你

[实验目的]：理解系统架构与原理，掌握 DeepSeek 的基本工作原理、内部架构和检索机制，了解其在大规模语义检索中的优势。学习如何在本地环境中部署和调试 DeepSeek 系统，包括环境配置、依赖安装、参数调优等关键步骤。

我的电脑硬件配置

• CPU：英特尔酷睿 i5-13600KF 十四核
• GPU: 4060TI 8G
• 内存：16GB
• 操作系统：Windows 11

本地部署

下载并安装 Ollama

访问官网：https://ollama.com/ 下载

双击 OllamaSetup.exe 进行安装：

通过 Ollama 拉取 DeepSeek 模型

这里我选择是的 1.5b，整个模型大小 1.1 GB。

更多版本可以在这里查看：https://ollama.com/library/deepseek-r1

ollama run deepseek-r1:1.5b

终端回答

使用 open-webui 包回答

注意:

• 系统需要安装 conda 进行虚拟环境的配置,并且 webui 需要 python 版本在 3.11 才能安装
• Open WebUI 的核心包大小相对较小，但它会拉取一些额外的依赖包（如用于 RAG 功能的嵌入模型或前端支持的库），这些依赖可能会增加总体安装体积。例如，首次运行时，它可能会下载约 900MB 的嵌入模型（如 all-MiniLM-L6-v2）用于本地功能。

使用 pip 安装 open-webui 包

GitHub - open-webui/open-webui: User-friendly AI Interface (Supports Ollama, OpenAI API, …)

DeepSeek-R1 本地部署指南：Ollama 助你轻松实现，支持 2G 显卡

• 相关命令

conda create -n webui python=3.11conda activate webuipip install open-webuiopen-webui serve

浏览器访问本地 8080 端口 http://localhost:8080

可以发现 openui 的页面非常类似 chatgpt 的页面,功能也非常丰富

使用 docker 安装和运行 open-webui

注意执行命令之前打开 docker desktop

• 相关命令
• 如果 Ollama 在您的计算机上，请使用此命令：

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 如果 Ollama 在不同的服务器上，请使用此命令：
• 要连接到另一台服务器上的 Ollama，请将 OLLAMA_BASE_URL 更改为服务器的 URL：

docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

• 要使用 Nvidia GPU 支持运行 Open WebUI，请使用此命令：

docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda

可以发现本地端口映射为 3000,浏览器输入对应网址 http://localhost:3000/即可进入对应的界面

实测初始加载和响应速度比似乎用 pip 安装慢了不少,但是后面问题回答速度还是非常快的

使用 Page Assit 浏览器插件回答

• WebUI 界面

• 知识库

• 使用 nomic-embed-text 文本嵌入模型

https://ollama.com/library/nomic-embed-text

ollama pull nomic-embed-text

• 效果

linux 服务器部署

Ollama Linux 部署与应用 LLama 3

Linux 下 Ollama 的安装与配置

curl -fsSL https://ollama.com/install.sh | sh
#也许需要相应的权限才能安装，可以使用命令
sudo curl -fsSL https://ollama.com/install.sh | sh

上面的命令老是网络连接出现问题,因为我使用的是 ubuntu 系统的服务器,也可以使用下面的命令安装,速度快很多

sudo snap install ollama

后面的步骤和在 windows11 本地部署的流程相类似,都是拉取和运行模型,再使用 docker 部署 open-webui 再访问对应的端口使用,所以对应命令我直接粘贴不再详细解释

ollama run deepseek-r1:1.5b

注意后面的命令最好都添加上 sudo,以防不必要的权限报错

启动 Docker 服务

sudo systemctl start docker

查看 Docker 服务状态

sudo systemctl status docker

使用 docker 安装 open-webui

sudo docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

本地端口映射为 8080,浏览器输入对应网址 http://<ip>:8080/即可进入对应的界面

停止 Docker 服务()

sudo systemctl stop docker

总结

虽然 1.5B 和 7B 级别的小参数模型在资源占用和响应延迟方面具有明显优势，但其生成效果和理解能力相对有限，仅适用于边缘计算中的基础性任务。不过，在特定场景下仍具备一定的应用价值。对于日常生产中的高质量生成需求，仍推荐使用部署在云端服务器的大参数模型，以确保效果和稳定性。