2025-05-08-deepseek 本地化部署
post on 08 May 2025 about 2668words require 9min
CC BY 4.0 （除特别声明或转载文章外）
如果这篇博客帮助到你，可以请我喝一杯咖啡~
2025-05-08-deepseek 本地化部署
[实验目的]：理解系统架构与原理，掌握 DeepSeek 的基本工作原理、内部架构和检索机制，了解其在大规模语义检索中的优势。学习如何在本地环境中部署和调试 DeepSeek 系统，包括环境配置、依赖安装、参数调优等关键步骤。
我的电脑硬件配置
- CPU：英特尔酷睿 i5-13600KF 十四核
- GPU: 4060TI 8G
- 内存：16GB
- 操作系统：Windows 11
本地部署
下载并安装 Ollama
访问官网：https://ollama.com/ 下载
双击 OllamaSetup.exe 进行安装：
通过 Ollama 拉取 DeepSeek 模型
这里我选择是的 1.5b，整个模型大小 1.1 GB。
更多版本可以在这里查看：https://ollama.com/library/deepseek-r1
1
ollama run deepseek-r1:1.5b
终端回答
使用 open-webui 包回答
注意:
- 系统需要安装 conda 进行虚拟环境的配置,并且 webui 需要 python 版本在 3.11 才能安装
- Open WebUI 的核心包大小相对较小，但它会拉取一些额外的依赖包（如用于 RAG 功能的嵌入模型或前端支持的库），这些依赖可能会增加总体安装体积。例如，首次运行时，它可能会下载约 900MB 的嵌入模型（如 all-MiniLM-L6-v2）用于本地功能。
使用 pip 安装 open-webui 包
GitHub - open-webui/open-webui: User-friendly AI Interface (Supports Ollama, OpenAI API, …)
- 相关命令
1
2
3
4
5
6
7
conda create -n webui python=3.11
conda activate webui
pip install open-webui
open-webui serve
浏览器访问本地 8080 端口 http://localhost:8080
可以发现 openui 的页面非常类似 chatgpt 的页面,功能也非常丰富
使用 docker 安装和运行 open-webui
注意执行命令之前打开 docker desktop
- 相关命令
- 如果 Ollama 在您的计算机上，请使用此命令：
1
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
- 如果 Ollama 在不同的服务器上，请使用此命令：
- 要连接到另一台服务器上的 Ollama，请将
OLLAMA_BASE_URL更改为服务器的 URL：
1
docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=https://example.com -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
- 要使用 Nvidia GPU 支持运行 Open WebUI，请使用此命令：
1
docker run -d -p 3000:8080 --gpus all --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:cuda
可以发现本地端口映射为 3000,浏览器输入对应网址 http://localhost:3000/即可进入对应的界面
实测初始加载和响应速度比似乎用 pip 安装慢了不少,但是后面问题回答速度还是非常快的
使用 Page Assit 浏览器插件回答
- WebUI界面
- 知识库
- 使用 nomic-embed-text 文本嵌入模型
https://ollama.com/library/nomic-embed-text
1
ollama pull nomic-embed-text
- 效果
linux 服务器部署
Linux 下 Ollama 的安装与配置
1
2
3
curl -fsSL https://ollama.com/install.sh | sh
#也许需要相应的权限才能安装，可以使用命令
sudo curl -fsSL https://ollama.com/install.sh | sh
上面的命令老是网络连接出现问题,因为我使用的是 ubuntu 系统的服务器,也可以使用下面的命令安装,速度快很多
1
sudo snap install ollama
后面的步骤和在 windows11 本地部署的流程相类似,都是拉取和运行模型,再使用 docker 部署 open-webui 再访问对应的端口使用,所以对应命令我直接粘贴不再详细解释
1
ollama run deepseek-r1:1.5b
注意后面的命令最好都添加上 sudo,以防不必要的权限报错
启动 Docker 服务
1
sudo systemctl start docker
查看 Docker 服务状态
1
sudo systemctl status docker
使用 docker 安装 open-webui
1
sudo docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
本地端口映射为 8080,浏览器输入对应网址 http://<ip>:8080/即可进入对应的界面
停止 Docker 服务()
1
sudo systemctl stop docker
总结
虽然 1.5B 和 7B 级别的小参数模型在资源占用和响应延迟方面具有明显优势，但其生成效果和理解能力相对有限，仅适用于边缘计算中的基础性任务。不过，在特定场景下仍具备一定的应用价值。对于日常生产中的高质量生成需求，仍推荐使用部署在云端服务器的大参数模型，以确保效果和稳定性。
Related posts