【DeepSeek】DeepSeek R1 本地windows部署(Ollama+Docker+OpenWebUI)
1、背景:
2025年1月,DeepSeek 正式发布 DeepSeek-R1 推理大模型。DeepSeek-R1 因其成本价格低廉,性能卓越,在 AI 行业引起了广泛关注。DeepSeek 提供了多种使用方式,满足不同用户的需求和场景。本地部署在数据安全、性能、定制化、成本、离线可用性和技术自主性方面具有显著优势。
本文详细讲解 基于 Ollama+Docker+OpenWebUI 的本地windows部署流程
2、环境需求:
1.1 硬件需求:
DeepSeek R1 本地部署的硬件需求如下:

1.2 软件依赖:
DeepSeek R1 本地部署的软件依赖包括操作系统、容器化工具、编程语言、深度学习框架、数据库、消息队列、Web 服务器、GPU 加速工具、版本控制、包管理工具、监控与日志工具以及安全工具。
本教程采用 Windows server 2016 64位操作版本、Python 3.8 版本、PyTorch 1.7 版本。
3、Ollama 下载与安装:
1.1 Ollama 的下载:
Ollama 是一个开源的本地模型运行工具,可以方便地下载和运行各种开源模型,如 Llama、Qwen、DeepSeek 等。Ollama 提供高效、灵活的大模型部署和管理解决方案,可以简化模型的部署流程。支持macOS、Linux、Windows 操作系统。
ollama官网地址:https://ollama.com/
ollama下载地址:https://ollama.com/download本教程选择 Ollama Windows 版本下载。
1.2 Ollama 的安装:
下载完成后直接点击 OllamaSetup.exe 进行安装。


安装完成后,cmd 打开命令行窗口,输入 “ollama -v” 测试,显示 ollama 的版本为 “0.5.7”,表明安装成功。

1.3 Ollama 的运行:
Ollama 没有用户界面,在后台运行。
打开浏览器,输入 “http://localhost:11434/”,显示 “Ollama is running”。

4、deepseek-r1 模型安装:
1.1 Ollma 安装 deepseek-r1 模型:

点击进入 deepseek-r1 模型,可以选择不同版本的模型(1.5b/7b/14b/32b/70b/671b)。
deepseek-r1 提供多个版本,参数量越大,模型的性能越强大,但也需要更多的存储和计算资源。
- 1.5b 模型参数为15亿/1.1GB,
- 7b 模型参数约为 70亿/4.7GB,
- 14b 模型参数约为 140亿/9GB。
deepseek-r1 不同版本模型的执行命令不同:
1.5b 的命令为:
ollama run deepseek-r1:1.5b7b 的命令为:
ollama run deepseek-r1:7b14b 的命令为:
ollama run deepseek-r1:14b
本教程选择选择 7b 模型,在CMD命令行窗口运行安装命令 “ollama run deepseek-r1:7b”,程序会自动下载和安装运行。

安装完成后显示 “success”,表明安装成功。
注:默认地址是 “C:\Users%username%.ollama\models”。
如果要修改模型的保存地址,可以新建一个文件夹如 “C:\Model”,
然后在系统环境变量添加系统变量:
“变量名:OLLAMA_MODELS,变量值:C:\Model”。

1.2 使用 deepseek-r1 模型:
在命令行窗口运行命令 “ollama run deepseek-r1:7b”,就可以在提示行输入,与 deepseek-r1 进行聊天。

输入 “/?”,可以获得帮助。
注:通过本地命令行窗口可以使用 deepseek-r1,但这让人回到了 DOS 年代,交互体验很差。接下来我们按照 Docker 和 Open WebUI 用户界面,可以更便捷地使用 deepseek-r1。
相关文章:
【DeepSeek】DeepSeek R1 本地windows部署(Ollama+Docker+OpenWebUI)
1、背景: 2025年1月,DeepSeek 正式发布 DeepSeek-R1 推理大模型。DeepSeek-R1 因其成本价格低廉,性能卓越,在 AI 行业引起了广泛关注。DeepSeek 提供了多种使用方式,满足不同用户的需求和场景。本地部署在数据安全、性…...
AI知识库 - Cherry Studio
1 引言: 最近 DeepSeek 很火啊,想必大家都知道,DeepSeek 这个开源的模型出来后,因其高质量能力和R1 的思维链引发了大家本地部署的热潮。我也不例外,本地部署了一个 14B 的模型,然后把,感觉傻傻…...
【ubuntu24.04】 强制重启导致大模型的磁盘挂载出错
挂载NTFS文件系统出错 各种模型放在了这个机械硬盘上,虽然速度慢,但是好在容量大。大模型在工作,但是程序看起来有问题,导致系统卡死了,然后我重启了,然后报错:wrong fs type bad option &…...
OpenLayer创建第一个基础地图实例
OpenLayers创建第一个基础地图实例 OpenLayers 是一个开源的 JavaScript 库,用于在网页上显示交互式地图。它支持多种地图源,包括 OpenStreetMap、Google Maps、Bing Maps 等。本文将介绍如何使用 OpenLayers 创建一个基础地图实例。 1. 准备工作 在开…...
Git命令摘录
使用 Git 升级软件通常是指通过 Git 仓库获取软件的最新版本或更新代码。以下是详细的步骤和方法: 1. 克隆软件仓库 如果这是你第一次获取软件代码,可以使用 git clone 命令将远程仓库克隆到本地。 git clone <仓库地址> 例如: git cl…...
windows 通过docker 安装mysql
参考:Docker安装并使用Mysql(可用详细)_docker 安装mysql-CSDN博客 1. 拉取镜像:docker pull mysql:5.7 2. 查看镜像:docker image 3. 创建mysql 容器实例,并将data 目录挂载到本地d盘上 docker run --n…...
实现Tree 树形控件的鼠标拖拽功能
1.element中的el-tree实现可拖拽节点 通过 draggable 属性可让节点变为可拖拽 <el-tree :data"data" node-key"id" default-expand-all node-drag-start"handleDragStart" node-drag-enter"handleDragEnter" node-drag-leave"…...
同为科技智能PDU助力Deepseek人工智能和数据交互的快速发展
1 2025开年,人工智能领域迎来了一场前所未有的变革。Deepseek成为代表“东方力量”的开年王炸,不仅在国内掀起了技术热潮,并且在全球范围内引起了高度关注。Deepseek以颠覆性技术突破和现象级应用场景席卷全球,这不仅重塑了产业格…...
硬件学习笔记--42 电磁兼容试验-6 传导差模电流干扰试验介绍
目录 电磁兼容试验-传导差模电流试验 1.试验目的 2.试验方法 3.判定依据及意义 电磁兼容试验-传导差模电流干扰试验 驻留时间是在规定频率下影响量施加的持续时间。被试设备(EUT)在经受扫频频带的电磁影响量或电磁干扰的情况下,在每个步进…...
基于 Filebeat 的日志收集
在现代分布式系统中,日志数据作为关键的监控与故障排查依据,越来越受到重视。本文将深入探讨 Filebeat 的技术原理、配置方法及在 ELK(Elasticsearch、Logstash、Kibana)生态系统中的应用,帮助开发者构建高效、稳定的日…...
Next.js 15【实用教程】2025最新版
官网 https://nextjs.org/docs/app/getting-started Next.js 简介 Next.js 由 Vercel 开发和维护,旨在解决单页应用(SPA)和多页应用(MPA)在性能和 SEO 上的不足。 核心特性 服务端渲染(SSR)--…...
vue学习10
1.GPT和Copilot Copilot Tab接受 删除键,不接受 ctrlenter更多方案 更适合的是修改方向 const submitForm async () > {//等待校验结果await formRef.value.validate()//提交修改await userUpdateInfoService(form.value)//通知user模块,进行数据更…...
redis 缓存击穿问题与解决方案
前言1. 什么是缓存击穿?2. 如何解决缓存击穿?怎么做?方案1: 定时刷新方案2: 自动续期方案3: 定时续期 如何选? 前言 当我们使用redis做缓存的时候,查询流程一般是先查询redis,如果redis未命中,再查询MySQL,将MySQL查询的数据同步到redis(回源),最后返回数据 流程图 为什…...
【Vue3 入门到实战】16. Vue3 非兼容性改变
目录 1. 全局 API 的变化 2. 模板指令的变化 2.1 组件v-model用法 2.2 template v-for用法 2.3 v-if 和v-for 优先级变化 2.4 v-bind"object" 顺序敏感 2.5 v-on:event.native 被移除 3. 组件的变化 3.1 功能组件只能使用普通函数创建 3.2 SFC弃用功能属性…...
20250214 随笔 Elasticsearch(ES)索引数据 vs. 业务数据库冗余双写
Elasticsearch(ES)索引数据 vs. 业务数据库冗余双写的区别、优缺点分析 在高并发数据查询场景下,Elasticsearch(ES) 和 业务数据库冗余双写 都是常见的数据同步方案。它们主要区别在于数据存储方式、查询性能、数据一…...
c# textbox 设置不获取光标
[DllImport("user32",EntryPoint "HideCaret")] private static extern bool HideCaret(IntPtr hWnd); //需引入命名空间using System.Runtime.InteropServices; private void Txt_RecInfo_MouseDown(object sender, MouseEventArgs e) { …...
中望CAD c#二次开发 ——VS环境配置
新建类库项目:下一步 下一步 下一步: 或直接: 改为: <Project Sdk"Microsoft.NET.Sdk"> <PropertyGroup> <TargetFramework>NET48</TargetFramework> <LangVersion>pr…...
anolis os 8.9安装jenkins
一、系统版本 # cat /etc/anolis-release Anolis OS release 8.9 二、安装 # dnf install -y epel-release # wget -O /etc/yum.repos.d/jenkins.repo https://pkg.jenkins.io/redhat-stable/jenkins.repo # rpm --import https://pkg.jenkins.io/redhat-stable/jenkins.…...
HtmlRAG:RAG系统中,HTML比纯文本效果更好
HtmlRAG 方法通过使用 HTML 而不是纯文本来增强 RAG 系统中的知识表示能力。通过 HTML 清洗和两步块树修剪方法,在保持关键信息的同时缩短了 HTML 文档的长度。这种方法优于现有基于纯文本的RAG的性能。 方法 其实主要看下围绕html提纯思路,将提纯后的…...
TypeScript 中的 reduce计算统计之和
1、计算字符串数组中最大的一项,比如数组:list ["家长会,柘城,喝士大夫","模压,手动阀,阿斯蒂"],求出list中字符串长度之和最大的那项: // 初始化变量来存储字数之和最多的项及其字数之和let maxWord ;let…...
ARM SIMDFP指令集:VMOV与VMMLA优化指南
1. ARM SIMD&FP指令集概述在现代处理器架构中,SIMD(单指令多数据)和FP(浮点)指令集是提升计算性能的关键技术。ARM架构从ARMv7开始引入NEON技术,到ARMv8进一步扩展为Advanced SIMD,为多媒体…...
深度解析 MCP 协议:如何通过 Model Context Protocol 实现 AI Agent 的工具调用标准化
深度解析 MCP 协议:如何通过 Model Context 协议实现 AI Agent 的工具调用标准化 摘要: 随着大语言模型(LLM)能力的飞速提升,如何让 AI 能够更安全、更高效地访问外部工具和数据成为了 AI Agent 领域的核心挑战。Model…...
告别横屏限制!为你的Arduino/STM32 OLED项目添加竖屏显示功能(SH1107驱动适用)
突破显示边界:SH1107 OLED竖屏显示的工程实践指南 当你在开发智能家居控制面板或便携式传感器设备时,是否曾为横屏OLED显示的文字阅读体验不佳而困扰?传统SH1107驱动芯片仅支持180度旋转,无法满足现代用户对竖屏显示的自然阅读需求…...
go语言:实现ReverseNumber反转数字算法(附带源码)
一、项目背景详细介绍在算法与编程基础中,“数字反转(Reverse Number)”是一个非常经典的入门问题,同时也是面试中高频考点之一。1. 什么是数字反转?数字反转指的是:👉 将一个整数的数字顺序倒过…...
基于OpenClaw/QClaw与LLM的Reddit智能摘要系统构建实战
1. 项目概述与核心价值如果你和我一样,每天泡在Reddit和各种技术社区里,试图从海量的帖子、评论和新闻中淘出真正有价值的信息,那你一定体会过那种“信息过载”的无力感。首页永远刷不完,热帖里夹杂着大量水贴和重复讨论ÿ…...
AI赋能产品情绪价值:中国制造跳出同质化内卷的关键路径
前言:AI深度创作的15000字文章这篇文章是作者开始接触AI后近两年的思考与心得,借助AI工具深度创作而成,总字数15000字。这是一篇严肃、有深度、有价值的文章,预计阅读需要20分钟,希望能对读者工作提供启发和参考&#…...
别急着pip install!PyTorch项目里找不到efficientnet_pytorch,先检查这3个地方
当PyTorch报错找不到efficientnet_pytorch时,资深工程师的排查清单 遇到ModuleNotFoundError: No module named efficientnet_pytorch时,大多数开发者会本能地执行pip install。但真正高效的做法是先进行系统性排查——这能节省你未来数小时的调试时间。…...
Obsidian 同步插件完整指南:单点登录、冲突合并、极速首同步、.obsidian 配置同步与内置 AI
Obsidian 强在本地文件与插件生态,但“多设备同步”一直是高频痛点:要么官方同步成本高,要么 WebDAV 配置复杂,还要担心限流、冲突、误删找不回。 Nutstore Sync 是坚果云推出并上架 Obsidian 社区插件市场的同步插件,…...
初创团队如何利用Taotoken多模型聚合能力低成本验证AI创意
🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 初创团队如何利用Taotoken多模型聚合能力低成本验证AI创意 对于资源有限的初创团队和独立开发者而言,在探索AI驱动的产…...
内容创作团队如何利用Taotoken多模型能力优化文案生成流程
🚀 告别海外账号与网络限制!稳定直连全球优质大模型,限时半价接入中。 👉 点击领取海量免费额度 内容创作团队如何利用Taotoken多模型能力优化文案生成流程 对于新媒体内容团队而言,稳定、高效地批量生产不同风格和长…...
