当前位置: 首页 > article >正文

DeepSeek本地部署(解决ollama无法安装问题)

最近国产DeepSeek非常火,但是由于访问人数过多经常出现反应慢和服务器繁忙问题。

DeepSeek是一个开源的模型,我们可以通过本地部署在终端上使用,而且也可以无需联网直接使用。


目录

1.Ollama的下载和安装

发现点开出现无法加载问题,可能是以下原因:

网络问题

服务器问题

2.选择Deepseek版本

3.测试是否安装成功

Deepseek介绍

一、公司背景

二、产品特点

三、应用场景

四、市场影响


1.Ollama的下载和安装

访问https://ollama.com/进入Ollama官网下载Ollama,选择自己对应的操作系统版本。(window)

发现点开出现无法加载问题,可能是以下原因:

网络问题

  • 原因:网络连接不稳定或受限。

  • 解决:检查网络,尝试切换网络或使用VPN。

服务器问题

  • 原因:官网服务器可能暂时不可用。

  • 解决:稍后再试,或查看官网公告。

搜索了一下发现一个可行方法

把这个位置扔到迅雷下载里面(亲测可行)

https://github.com/ollama/ollama/releases/download/v0.3.6/OllamaSetup.exe

安装完成后win+r打开电脑cmd

输入ollama

显示如上则安装完成

2.选择Deepseek版本

进入Ollama官网,搜索输入Deepseek-r1

选择第一个

根据自己的显存大小选择硬件配置

提供参考

复制右边的命令到终端并运行(因为我轻薄本显存只有128所以选择1.5b)

ollama run deepseek-r1:1.5b

等待下载完成:如下

3.测试是否安装成功

在对话框输入你想问的内容

安装完成。

Deepseek介绍

DeepSeek是由杭州深度求索人工智能基础技术研究有限公司开发的一款先进AI应用,以下是对其的详细介绍:

一、公司背景

  • 成立时间:2023年7月17日
  • 主营业务:专注于开发先进的大语言模型(LLM)和相关技术
  • 地位与影响:在硅谷被誉为“来自东方的神秘力量”,也是网上热议的“杭州六小龙”之一

二、产品特点

  • 技术领先:DeepSeek集成了自然语言处理(NLP)、计算机视觉(CV)、语音识别等多个领域的先进技术,能够为用户提供高效、便捷的AI模型训练、部署和应用服务。其开源模型R1在技术上实现了重要突破,用纯深度学习的方法让AI自发涌现出推理能力,性能比肩美国开放人工智能研究中心(OpenAI)的GPT模型正式版。
  • 功能强大:DeepSeek的应用程序已取代竞争对手OpenAI的ChatGPT,成为美国苹果应用商店下载量最大的免费应用程序。它支持智能对话、准确翻译、创意写作、高效编程、智能解题、文件解读等多种功能,能够满足用户在不同场景下的需求。
  • 成本优势:DeepSeek的模型训练成本相对较低,仅为560万美元,远低于美国科技巨头在人工智能技术上投入的数亿美元乃至数十亿美元。这使得更多用户能够负担得起AI技术的使用和开发。
  • 开源特性:DeepSeek的开源特性是其一大亮点。用户可以自行下载和部署模型,还能获取详细的使用说明和训练步骤。这一特性极大地促进了AI技术的普及和应用,降低了技术门槛。
  • 支持联网搜索:DeepSeek是首个支持联网搜索的推理模型,能够即时获取最新的信息和数据,为用户提供实时智能服务。

三、应用场景

  • 金融领域:DeepSeek可以通过其大语言模型提供数学、逻辑推理等能力,帮助金融机构提升服务效率。
  • 医疗领域:DeepSeek的技术被用于辅助诊断和患者记录管理,为医疗行业的智能化升级提供了有力支持。
  • 教育领域:DeepSeek能够帮助学生完成作业、辅助学习,甚至在数学竞赛中表现出色。
  • 娱乐、社会公益以及端侧AI等多个领域:DeepSeek也展现出了巨大的潜力和商业价值。

四、市场影响

  • DeepSeek的发布引发了全球人工智能领域的广泛关注。其开源模型和低成本优势使得更多用户能够参与到AI应用的开发和创作中,推动了AI技术的普及和发展。
  • DeepSeek的出现在一定程度上动摇了美国科技行业的地位,引发了投资者对美国公司领先优势的质疑,从而导致人工智能主题股票遭抛售。


http://www.kler.cn/a/540700.html

相关文章:

  • 2.10日学习总结
  • Flink 内存模型各部分大小计算公式
  • 代码随想录二刷|回溯4
  • [RabbitMQ] RabbitMQ常见面试题
  • at coder ABC 392
  • Qt:常用控件
  • 【Java基础篇】——第4篇:Java常用类库与工具类
  • 深度学习-108-大语言模型LLM之基于langchain的结构化输出功能提取结构化信息
  • at coder ABC 392
  • Apache Kafka 消息清理之道
  • 【大数据安全分析】为什么要用大数据技术进行安全分析?
  • 【人工智能】如何在VSCode中使用DeepSeek?
  • 牛客周赛 Round 79 C-小红的小球染色
  • 网络安全应急响应总结阶段 网络安全应急工作
  • Winform开发框架(蝇量级) MiniFramework V2.1
  • mysql8.0使用PXC实现高可用
  • Include多表查询
  • ECG分析0210
  • 软件工程-软件需求规格说明(SRS)
  • 实战设计模式之责任链模式
  • 使用亚马逊针对 PyTorch 和 MinIO 的 S3 连接器进行模型检查点处理
  • php 实现 deepSeek聊天对话
  • MacOS安装Milvus向量数据库
  • 【AIGC】在VSCode中集成 DeepSeek(OPEN AI同理)
  • 蓝桥杯算法日记|贪心、双指针
  • 石英表与机械表的世纪之争(Quartz vs. Mechanical Watches):瑞士钟表业的危机与重生(中英双语)