【AI】Docker中快速部署Ollama并安装DeepSeek-R1模型: 一步步指南

【AI】Docker中快速部署Ollama并安装DeepSeek-R1模型: 一步步指南

一、前言

为了确保在 Docker 环境中顺利安装并高效运行 Ollama 以及 DeepSeek 离线模型，本文将详细介绍整个过程，涵盖从基础安装到优化配置等各个方面。通过对关键参数和配置的深入理解，您可以更好地掌控资源使用、保障数据安全以及提升整体性能。

二、环境要求

在开始之前，请确认以下环境需求：

1. Docker 安装：确保 Docker 已正确安装并能够正常运行容器。

2. GPU 支持：推荐使用支持 NVIDIA GPU 的环境，以提高模型推理速度。

3. 网络连接：部分步骤需要访问互联网以下载镜像或模型文件。

4. 存储空间：DeepSeek 模型文件较大，确保有足够的磁盘空间。

5. DeepSeek模型：DeepSeek-R1版本的硬件需求和适用场景：

   模型版本	CPU需求	内存需求	硬盘需求	显卡需求	适用场景
   1.5B	最低 4 核	8GB+	3GB+	非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650）	低资源设备部署（如树莓派、旧款笔记本） 实时文本生成（聊天机器人、简单问答） 嵌入式系统或物联网设备
   7B	8 核以上（推荐现代多核 CPU）	16GB+	8GB+	8GB显存（如RTX 3070/4060）	本地开发测试（中小型企业） 中等复杂度NLP任务（文本摘要、翻译） 轻量级多轮对话系统
   8B	与7B相近，略高10%-20%	与7B相近，略高10%-20%	-	与7B相近，略高10%-20%	需更高精度的轻量级任务（如代码生成、逻辑推理）
   14B	12核以上	32GB+	15GB+	16GB显存（如RTX 4090或A5000）	企业级复杂任务（合同分析、报告生成） 长文本理解与生成（书籍/论文辅助写作）
   32B	16核以上（如AMD Ryzen 9或Intel i9）	64GB+	30GB+	24GB显存（如A100 40GB或双卡RTX 3090）	高精度专业领域任务（医疗/法律咨询） 多模态任务预处理（需结合其他框架）
   70B	32核以上（服务器级CPU）	128GB+	70GB+	多卡并行（如2x A100 80GB或4x RTX 4090）	科研机构/大型企业（金融预测、大规模数据分析） 高复杂度生成任务（创意写作、算法设计）
   671B	64核以上（服务器集群）	512GB+	300GB+	多节点分布式训练（如8x A100/H100）	国家级/超大规模AI研究（如气候建模、基因组分析） 通用人工智能（AGI）探索

三、Ollama 容器详细安装与配置

1. 运行ollama容器

docker run -d --name ollama \--gpus=all \--oom-kill-disable \ # 防止因内存不足导致容器被杀死-m 8g \              # 为容器分配4GB内存（可根据需要调整）-c 2 \               # 分配2个CPU核心（可根据需要调整）-p 11434:11434 \-v /path/to/ollama/config:/root/.ollama/config \-v /path/to/ollama/models:/root/.ollama/models \-v /path/to/ollama/logs:/root/.ollama/logs \-e OLLAMA_ORIGINS="*"-e OLLAMA_PORT=11434 \-e OLLAMA_HOST=0.0.0.0 \-e OLLAMA_ORIGINS="http://localhost,http://your-domain.com" \-e LOG_LEVEL=INFO \ollama/ollama:latest

参数详解：

• --gpus=all：允许容器使用主机上的所有可用的GPU资源，以加速DeepSeek模型的推理。
• --oom-kill-disable：防止在内存不足导致容器被杀死，这对于长时间运行或处理大型任务尤为重要。
• -m 8g：为容器分配4GB（示例值）的内存。根据您的可用资源和DeepSeek模型的大小进行适当调整，较大的模型可能需要更多内存。
• -c 2：分配2个CPU核心，如果模型推理主要依赖于CPU，这能确保容器获得足够的计算能力。
• -p 11434:11434：将主机的11434端口映射到容器内的11434端口，方便外部访问Ollama服务。
• 卷挂载（Volumes）：
  • /path/to/ollama/config:/root/.ollama/config：将配置文件目录挂载到主机对应位置，确保配置持久化，不会因容器重启或删除而丢失。
  • /path/to/ollama/models:/root/.ollama/models：模型文件持久化存储在主机上，避免每次下载并节省时间。
  • /path/to/ollama/logs:/root/.ollama/logs：日志文件持久保存，便于长期监控和故障排查。
• 环境变量（Environment Variables）：
  • OLLAMA_ORIGINS="*"：允许所有来源访问 Ollama API。
  • OLLAMA_PORT=11434：指定Ollama服务监听的端口号，需与映射端口一致。
  • OLLAMA_HOST=0.0.0.0：允许容器内服务绑定到所有网络接口，这样可以在不同主机和网络环境下访问。
  • OLLAMA_ORIGINS="http://localhost,http://your-domain.com"：设置可信的请求来源，提升安全性，防止CSRF攻击。请将your-domain.com替换为实际使用域名或IP地址。
  • LOG_LEVEL=INFO：调整日志输出级别，便于监控和调试。

2. 进入ollama

# 进入ollama容器
docker exec -it ollama /bin/bash
# 查看帮助
ollama --help

四、Deepseek模型部署与运行

1. 下载运行模型

ollama pull deepseek-r1:7b

2. 运行deepseek模型

ollama run deepseek-r1:7b

3. 测试是否成功

# ollama访问IP和端口
curl http://localhost:11434/api/generate -d '{"model": "deepseek-r1:70b","prompt":"你好"
}'

五、Cherry Studio交互界面

1. 下载Cherry Studio

Cherry Studio

2. 配置Deepseek模型

3. 使用