DeepSeek-R1 14b本地部署测试：详细系统概述与实时性能洞察

前言

这篇文章测试14b模型，快速引导你完成在本地运行DeepSeek模型的安装过程，并分享一个在笔记本电脑上的性能测试供你参考。

让我们开始吧。

以下是我的笔记本系统概况：

安装步骤

1. 下载Ollama：https://ollama.com/

2. （可选）安装后，如果你想更改默认的Ollama模型目录，可以打开终端/命令提示符来进行更改。因为我是Windows用户，我打开了命令提示符并执行了以下命令：

setx OLLAMA_MODELS E:\Yourpath\YourFolder   

在这里，我将默认目录更改为E盘，考虑到存储问题。大型语言模型（LLM）会快速消耗大量空间，可能会占满你的C盘。为避免这种情况，我建议合理分区并尽量将大文件存放在C盘之外。

打开任务管理器并结束正在后台运行的ollama.exe进程。这个步骤在下载任何模型之前至关重要，它确保我们刚才所做的环境变量更改生效。

（如果你在更改目录时遇到问题，可以查看这个issue：https://github.com/ollama/ollama/issues/2551）

3. 访问 https://ollama.com/search 并选择 DeepSeek-r1

根据你的笔记本或台式机的GPU和内存，从下拉菜单中选择与你的系统配置匹配的选项。然后，复制右侧的命令并在命令提示符中执行。

在这里，我选择测试DeepSeek-r1 14b模型，看看我的笔记本（4070 8GB）表现如何。

测试

这是我进行的一个快速测试，目的是评估模型的利用率和性能：

提问：9.11和9.9，哪个数字更大？

模型处理大约用了62秒才完成并输出答案。查看一分钟的视频，实时性能表现如下：

结果总结

GPU利用率从6%上升至约30%，在会话期间达到48%的峰值。

CPU利用率在会话期间保持在30%到40%之间。

温度和CPU核心电压都保持在安全范围内。

（注意：英特尔芯片在高电压下有降级问题，因此需要验证你的型号是否受到影响。对于i7系列，桌面芯片如Intel Core i7-14700K(F)和13700K(F)报告遇到过此类问题。由于我的CPU是笔记本芯片（i7-14700HX），电压高达1.5V仍然被认为是安全的。）

在测试过程中，我的笔记本上运行了常用的应用程序（浏览器打开了20多个标签页、通信应用等）。

考虑到其性能，在笔记本上本地运行DeepSeek-r1 14b是完全可行的。

我认为本地运行模型有多个好处，尤其是在隐私、安全、成本效益和定制方面。

DeepSeek-r1使得LLM模型对普通用户来说更加实惠和可访问。

最后的最后

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

DeepSeek全套安装部署资料

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】