使用 Ollama 在 Windows 环境部署 DeepSeek 大模型实战指南

前言

• 近年来，大语言模型（LLM）的应用逐渐成为技术热点，而 DeepSeek 作为国产开源模型，凭借其高效的推理能力吸引了大量开发者。本文将详细讲解如何在 Windows 上，通过 Ollama 框架快速部署 deepseek-r1:1.5b 模型，实现本地化模型服务。

Ollama

• Ollama 是一个开源工具，支持在本地一键运行、管理和优化大语言模型。
• 官方地址：https://ollama.com

核心特性

• 跨平台支持：Windows、macOS、Linux 全兼容。
• 模型仓库：内置 Llama 2、Mistral、DeepSeek 等热门模型。
• GPU 加速：自动调用 NVIDIA CUDA 提升推理速度。
• REST API：提供标准化接口，便于集成到其他应用。

实战步骤

安装 Ollama

• 打开 https://ollama.com/download 选中 Windows 版本进行下载安装：

验证安装结果

• 使用命令 ollama --version 检测 Ollama 是否安装成功。

部署 DeepSeek 模型

拉取模型

• Ollama DeepSeek 模型库提供多个 Distilled models，基于配置考虑选择 DeepSeek-R1-Distill-Qwen-1.5B。

ollama pull deepseek-r1:1.5b

启动模型

ollama run deepseek-r1:1.5bTips：
直接执行 ollama run deepseek-r1:1.5b 会执行两条命令：
ollama pull deepseek-r1:1.5b
ollama run deepseek-r1:1.5b

交互体验

• Ollama 运行支持命令行和API接口两种方式，参考文档：https://github.com/ollama/ollama

命令行对话

调用 REST API

curl http://localhost:11434/api/generate -d '{"model": "deepseek-r1:1.5b","prompt": "如何学习Python？","stream": false
}'

总结

• 本文详细讲解如何在 Windows 上，通过 Ollama 框架快速部署 deepseek-r1:1.5b 模型，实现本地化模型服务。但由于选择的模型较小以及没有GPU支持，表现效果和响应速度都有一定影响。

个人简介

👋 你好，我是 Lorin 洛林，一位 Java 后端技术开发者！座右铭：Technology has the power to make the world a better place.

🚀 我对技术的热情是我不断学习和分享的动力。我的博客是一个关于Java生态系统、后端开发和最新技术趋势的地方。

🧠 作为一个 Java 后端技术爱好者，我不仅热衷于探索语言的新特性和技术的深度，还热衷于分享我的见解和最佳实践。我相信知识的分享和社区合作可以帮助我们共同成长。

💡 在我的博客上，你将找到关于Java核心概念、JVM 底层技术、常用框架如Spring和Mybatis 、MySQL等数据库管理、RabbitMQ、Rocketmq等消息中间件、性能优化等内容的深入文章。我也将分享一些编程技巧和解决问题的方法，以帮助你更好地掌握Java编程。

🌐 我鼓励互动和建立社区，因此请留下你的问题、建议或主题请求，让我知道你感兴趣的内容。此外，我将分享最新的互联网和技术资讯，以确保你与技术世界的最新发展保持联系。我期待与你一起在技术之路上前进，一起探讨技术世界的无限可能性。