使用Ollama部署deepseek大模型

使用Ollama部署deepseek大模型

前置条件

使用英伟达显卡下载cuda驱动  
https://developer.nvidia.com/cuda-downloads  

Ollama

Ollama 官方版: https://ollama.com/

我的显卡在Windows电脑上面 所以使用Windows的安装方式去安装
若你的显卡是在Linux上面 可以使用如下命令安装

curl -fsSL https://ollama.com/install.sh | sh  

当然Ollama不只是可以启动deepseek模型，也可以启动他的模型
https://ollama.com/search

# 模型的安装命令  
  
# 1.5B Qwen DeepSeek R1    
# 所需空间大约 1.1G  
ollama run deepseek-r1:1.5b  
  
# 7B Qwen DeepSeek R1  
# 所需空间大约 4.7G  
ollama run deepseek-r1:7b  
  
# 8B Llama DeepSeek R1  
# 所需空间大约 4.9G  
ollama run deepseek-r1:8b  
  
# 14B Qwen DeepSeek R1  
# 所需空间大约 9G  
ollama run deepseek-r1:14b  
  
# 32B Qwen DeepSeek R1  
# 所需空间大约 20G  
ollama run deepseek-r1:32b  
  
# 70B Llama DeepSeek R1  
# 所需空间大约 43G  
ollama run deepseek-r1:70b  
  
# 671B Llama DeepSeek R1  
# 所需空间大约 404G  
ollama run deepseek-r1:671b  
  
# Windows的环境变量监听  
# OLLAMA_HOST  0.0.0.0  
  
# 启动命令  
ollama serve  

Open WebUI

官方安装文档：https://docs.openwebui.com/

Open WebUI官网文档翻译：

注意：

使用Docker安装Open WebUI时，请确保在Docker命令中包含

-v open-webui:/app/backend/data

这一步至关重要，因为它确保您的数据库正确挂载，避免任何数据丢失。

安装默认配置

1.如果您的计算机上安装了Ollama，可以使用以下命令：

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  

2.如果Ollama在另一台服务器上，请使用以下命令：

连接到另一台服务器上的Ollama时，请将OLLAMA_BASE_URL更改为服务器的URL：

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，请使用以下命令：

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  

3.仅用于OpenAI API使用的安装

如果您仅使用OpenAI API，请使用以下命令：

docker run -d -p 3000:8080 -e OPENAI_API_KEY=your_secret_key -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main 

4.带有捆绑Ollama支持的Open WebUI安装

此安装方法使用一个单独的容器映像，将Open WebUI与Ollama捆绑在一起，通过单个命令实现简化设置。根据您的硬件设置选择适当的命令：

使用GPU支持：通过运行以下命令利用GPU资源

docker run -d -p 3000:8080 --gpus=all -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama 

仅CPU：如果您不使用GPU，请改用以下命令：

docker run -d -p 3000:8080 -v ollama:/root/.ollama -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:ollama 

这两个命令都支持内置、简单的安装Open WebUI和Ollama，确保您可以快速启动一切。

# 我用到的命令  
docker run -d -p 3000:8080 -e OLLAMA_BASE_URL=http://192.168.1.100:11434 -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main  
  
访问：http://192.168.1.120:3000  

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

扫描下方csdn官方合作二维码获取哦！

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓