飞腾派--部署DeepSeek-r1:1.5b模型测试

最新推荐文章于 2025-03-27 09:43:59 发布

国产化创客

最新推荐文章于 2025-03-27 09:43:59 发布

阅读量1.3k

点赞数 29

分类专栏：国产化ARM平台项目国产化嵌入式 AI应用文章标签： ai 国产化

本文链接：https://blog.csdn.net/Tony_Shen/article/details/145919930

版权

国产化嵌入式同时被 3 个专栏收录

17 篇文章

订阅专栏

国产化ARM平台项目

4 篇文章

订阅专栏

AI应用

1 篇文章

订阅专栏

一、测试环境

本测试使用的飞腾派开发板，主板处理器采用飞腾定制四核处理器，该处理器兼容 ARM V8 指令集，包含 2 个 FTC664 核和 2 个 FTC310 核，其中 FTC664 核主频可达 1.8GHz，FTC310 核主频可达 1.5GHz。主板板载 4G容量的64 位 DDR4 内存，支持 SD 或者 eMMC 外部存储。

本次测试使用飞腾公司基于板卡定制的Linux操作系统飞腾派OS（Phytium Pi OS），它是运行在飞腾派开发板上的深度定制的Linux系统（基于Debian11）。它针对飞腾派开发板的硬件定制了内核配置，不同的软件包，可以更好的适应不同的场景。它可以烧录在SD卡中，作为飞腾派开发板的启动系统。

二、安装ollama

部署DeepSeek要用到 Ollama，它支持多种大模型。针对网络下载情况，可以提供ollama的离线安装包和在线安装两种方法。

Ollama官网：ollama.com

方法一：在线下载，只需要输入下载指令即可进行在线安装。

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

方法二：离线安装包，在⽹盘中下载 ollama-linux-arm64.tgz ，解压到指定路径

sudo tar -xzvf ollama-linux-arm64.tgz -C /usr/

通过网盘分享的文件：ollama && deepseek

链接: https://pan.baidu.com/s/1FhBZOe1Y5UnI0cqKDMetXw?pwd=avbk 提取码: avbk

ollama安装包解压后约为3GB，内容如下。通过如下命令复制到系统对应目录：

sudo cp bin/* /bin  
sudo cp lib/* /lib

三、配置ollama

配置组

sudo useradd -r -s /bin/false -m -d /usr/share/ollama ollama
sudo usermod -a -G ollama $(whoami)

创建服务，使⽤ vim 创建 /etc/systemd/system/ollama.service 并加⼊以下内容

[Unit]
Description=Ollama 
ServiceAfter=network-online.target
[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3
[Install]
WantedBy=default.target

启动服务器

sudo systemctl daemon-reload
sudo systemctl enable ollama
sudo systemctl restart ollama

查看 ollama 服务，可以看到已经正常启动

四、安装deepseek模型

Ollama支持多种DeepSeek模型版本，用户可以根据硬件配置选择合适的模型。因为开发板硬件

DeepSeek 模型版本

DeepSeek Coder1：是 DeepSeek 于 2023 年 11 月 2 日推出的代码大模型，已开源 1B、7B、33B 全系列模型，包含 Base 模型和指令调优模型。

DeepSeek-R1 系列2：有 1.5B、7B、8B、14B、32B、70B 和 671B 等版本，其中 1.5B、7B、8B、14B、32B、70B 是蒸馏后的小模型，671B 是基础大模型。

DeepSeek-V1：主打自然语言处理和编码任务，支持多种编程语言，有 128K 标记的上下文窗口。

DeepSeek-V2：搭载 2360 亿个参数，采用 MoE 架构，训练成本仅为 GPT-4-Turbo 的 1%，开源免费。

DeepSeek-V2.5：在创作、问答、数学推理和编码能力方面都有所提升，还加入了联网搜索功能。

DeepSeek-V33：采用创新 MoE 架构，支持 FP8 混合精度训练，参数规模达 6710 亿，生成速度相比 V2.5 提升至 3 倍，支持 128k 上下文窗口。

对硬件环境的要求

DeepSeek 1.5B：CPU 最低 4 核，内存 8GB+，硬盘 3GB + 存储空间，显卡非必需，若需 GPU 加速可选 4GB + 显存。

DeepSeek 7B：CPU 8 核以上，内存 16GB+，硬盘 8GB+，显卡推荐 8GB + 显存。

DeepSeek 8B：硬件需求与 7B 相近略高。

DeepSeek 14B：CPU 12 核以上，内存 32GB+，硬盘 15GB+，显卡 16GB + 显存。

DeepSeek 32B：CPU 16 核以上，内存 64GB+，硬盘 30GB+，显卡 24GB + 显存。

DeepSeek 70B：CPU 32 核以上，内存 128GB+，硬盘 70GB+，显卡需多卡并行。

首次运行deepseek-r1:1.5b，会自动在线下载模型。

ollama run deepseek-r1:1.5b

由于近期DeepSeek太火爆，在线下载过于拥堵可能会出现失败的情况，可从网盘中下载模型，复制到开发板，解压到 /usr/share/ollama/.ollama/models/目录

sudo tar -xzvf models.tar.gz -C /usr/share/ollama/.ollama

通过网盘分享的文件：ollama && deepseek

链接: https://pan.baidu.com/s/1FhBZOe1Y5UnI0cqKDMetXw?pwd=avbk 提取码: avbk

显示系统模型列表：

user@phytiumpi:~$ ollama list
NAME                ID              SIZE      MODIFIED
deepseek-r1:1.5b    a42b25d8c10a    1.1 GB    2 weeks ago

五、运行deepseek

deepseek-R1 1.5b安装成功后，再次输入启动指令：

ollama run deepseek-r1:1.5b

deepseek进行对话：

系统的硬件资源使用情况，因为E2000是一个嵌入式处理器，调用AI模型时对CPU的占用基本100%，对一些问题思考输出也不是很快。

六、Chatbox前端调用

通过前面的操作，已经部署好DeepSeek，但每次使用都要在终端里操作，相当繁琐。这里可以借助Chatbox，实现网页或客户端操作。

下述的方式是开发板本机运行Chatbox，比较占用系统资源，deepseek运行效率明显比终端中对话运行慢。建议使用Chatbox调用远程ollama服务功能。

下载安装Chatbox

Chatbox官网：chatboxai.app/zh

进入官网下载安装Chatbox客户端。这里下载Linux的ARM64架构版本。

下载完成后，把软件包复制到开发板系统，增加文件可执行权限。命令行执行运行app文件。（这里是通过windows系统ssh登录到开发板，运行Linux系统中的CharBox后会在windows启动界面程序）

user@phytiumpi:~$ chmod +x Chatbox-1.9.8-arm64.AppImage
user@phytiumpi:~$ ./Chatbox-1.9.8-arm64.AppImage

点击设置，选择Ollama API，选择安装好的deepseek r1模型，保存即可。

设置完成后，可以通过Chatbox跟deepseek对话。