本地部署DeepSeek-R1模型详细流程
本地部署DeepSeek-R1模型详细流程
一、版本选择
本地部署就是自己部署DeepSeek-R1模型,使用本地的算力。
主要瓶颈:内存+显存的大小。
特点:此方案不用联网。
适合:有数据隐私方面担忧的或者保密单位根本就不能上网的。
满血版:DeepSeek R1671B 全量模型的文件体积高达 720GB,对于绝大部分人而言,本地资源有限,很难达到这个配置。
蒸馏版:
- 开源2+6个模型。
- R1预览版和正式版的参数高达660B,非一般公司能用。
- 为进一步平权,于是他们就蒸馏出了6个小模型,并开源给社区。
- 最小的为1.5B参数,10G显存可跑。
如果你要在个人电脑上部署,一般选择其他架构的蒸馏模型,本质是微调后的Llama或Qwen模型,基本32B以下,并不能完全发挥出DeepSeek R1的实力。
二、部署过程
比较流行的是使用ollama。
步骤1:下载Ollama
步骤2:安装Ollama 傻瓜式安装
-
打开命令行(Windows用户可以通过
win+r
输入cmd
)。 -
在命令行中输入以下命令来验证是否安装成功:
ollama -v
步骤3:选择r1模型
步骤4:选择版本
- b代表10亿参数量,7b就是70亿参数量。
- 这里的671B是 HuggingFace经过4-bit 标准量化的,所以大小是404GB。
- Ollama 支持 CPU 与 GPU 混合推理。将内存与显存之和大致视为系统的“总内存空间”。
建议:如果你想运行404GB的671B,建议你的内存+显存能达到500GB以上。
步骤5:本地运行DeepSeek模型
在命令行中,输入如下命令:
ollama run deepseek-r1:7b
首次运行会下载对应模型文件。下载支持断点续传,如果下载中速度变慢,可以鼠标点击命令行窗口,然后 ctrl+c
取消,取消后按方向键“上”,可以找到上一条命令,即”ollama run deepseek-r1:7b“,按下回车会重新链接,按照之前进度接着下载。
步骤6:查看已有模型
查询已有模型:
ollama list
后续要运行模型,仍然使用之前的命令:
ollama run deepseek-r1:7b
三、使用客户端工具
本地部署好模型之后,在命令行操作还是不太方便,我们继续使用一些客户端工具来使用。
Cherry Studio的下载:
Cherry Studio下载地址
以Cherry Studio为例访问7b的蒸馏模型:
- 下载并安装Cherry Studio。
- 启动Cherry Studio,访问7b的蒸馏模型。
- 如果列表没有r1模型,则是之前没有安装好。
四、修改models文件夹路径(可选)
模型默认会下载到:
C:\Users\你的用户名\.ollama\目录下的 models文件夹
如果想修改模型的存放位置,做如下配置:
-
拷贝
models
文件夹到你指定的目录,比如我剪切到E:\ollama
下。 -
添加环境变量:
-
右键“我的电脑”,选择“属性”。
-
按如下方式配置:
C:\Users\你的用户名\.ollama\models
-
-
重启Ollama客户端生效。
注意:修改完之后,需要重启Ollama客户端,右键图标,选择退出,重新运行Ollama。
验证是否生效:重新运行Ollama之后,重新打开命令行,输入命令 ollama list
查看。
五、其它方式:服务器部署
在企业中,想要私有化部署满血版DeepSeek-R1,即671B版本,需要有更好的硬件配置。
服务器可以是物理机,也可以是云服务器。
使用Ollama提供的经过量化压缩的671B模型的大小是404GB,建议内存+显存≥500 GB,举例几种性价比配置如下:
- Mac Studio:配备大容量高带宽的统一内存(比如 X 上的 @awnihannun 使用了两台192 GB 内存的 Mac Studio 运行3-bit 量化的版本)
- 高内存带宽的服务器:比如 HuggingFace 上的 alain401使用了配备了24×16 GB DDR54800内存的服务器)
- 云 GPU 服务器:配备2张或更多的80GB 显存 GPU(如英伟达的 H100,租赁价格约2美元/小时/卡)
在这些硬件上的运行速度可达到10+ token /秒。
部署流程与个人电脑部署7B的流程没有太大区别,都是以下几个步骤:
- 根据服务器的操作系统,下载对应版本的Ollama客户端;
- 运行Ollama,执行
Ollama
命令运行671B版本模型;首次执行自动下载模型; - 使用客户端工具/自己开发页面/代码调用,对接Ollama的R1模型;