RTX 3060本地部署DeepSeek R1

最新推荐文章于 2025-03-14 17:05:56 发布
最新推荐文章于 2025-03-14 17:05:56 发布
阅读量5.8k 收藏 9
点赞数 12
分类专栏： AI DeepSeek 文章标签： windows ai 人工智能 AI编程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46144825/article/details/145509833
版权

  1. 到Ollama官网根据你的平台下载并安装最新的Ollama软件
    在这里插入图片描述

  2. 点击左上角的Models按钮，进入模型选择界面，选择deepseek-r1
    在这里插入图片描述
    3.我的RTX 3060显卡有12GB的显存，所以这里我选择的14b的模型。跑32b已经很吃力了，显存不够用，内存带不动。
    在这里插入图片描述
    4.复制以上命令(ollama run deepseek-r1:14b)并粘贴到CMD控制台窗口，这时会自动下载模型数据。默认模型数据是在C盘，自定义模型位置可以设置环境变量OLLAMA_MODELS到指定路径重定向模型安装位置，待模型数据下载完成后你就可以提问了。
    在这里插入图片描述
    5.下载并安装Chatbox，在启动后弹出的对话框中点击使用自己的本地模型。选择Ollama并将模型库调整为deepseek 14b其余不变。
    在这里插入图片描述

在这里插入图片描述
6.现在你就可以提问了
在这里插入图片描述

【Deepseek】手把手教你本地部署deepseekR1大模型
Science prince的博客
02-01 7353
这篇文章主要介绍了DeepSeek线上工具因网络攻击导致卡顿的问题，并推荐通过线下部署或API调用来解决这一问题。线下部署不仅 运行流畅，还能避开一些被限制使用的关键词。文章详细讲解了如何快速下载并运行模型，以及如何解决GPU不被调用的常见问题。 此外，还提供了通过Python代码调用DeepSeek API的方法，帮助读者更好地理解和使用该工具。
DeepSeek R1本地化部署与联网功能实战指南：从零搭建智能对话系统
理论都是虚的，代码才是王道。
01-28 7万+
在人工智能技术快速发展的今天，如何将先进的对话模型DeepSeek R1部署到本地环境并赋予其联网能力，成为许多开发者和企业关注的重点。本文将深入讲解完整的本地化部署流程，并通过实例代码演示如何为模型添加实时网络访问功能。
DeepSeekR1 劲敌出现了，QwQ32B本地部署测试，RTX3060成功运行！
m0_65555479的博客
03-07 2496
阿里千问平，突然在凌晨3点发布了最新推理模型！发布说明很简单“然后在下面甩出来几个链接，包括博客，HF，模型，演示和在线使用的网站。这条消息很简单，但是背后的东西一点都不简单。就凭一句可以，这成功了勾起了我的兴趣。除了文字描述之外， 推文中还给出了一张基准测试的图片。图中显示了 QwQ32B 和 deepseekR1 671B，以及 openai-o1的基准测试。从这个途中可以轻松的获取以下几点信息。
DeepSeek 本地化部署
Albert Tan DBA之路
02-07 503
DeepSeek 本地化部署
DeepSeek-R1 私有化部署 ubuntu22.04 3060显卡
qq_37124515的博客
02-09 1366
实测效果还是可以的，能满足日常使用。但是和“满血”版本还是有很大的差距优先使用官网版本，或者直接使用官网的API版本。如果有空闲资源，官网服务也是不稳定的，可以尝试以上方式部署如果有什么问题，欢迎评论留言讨论，看到会回复如果你觉得这个回答对你有帮助，欢迎关注我的微信公众号【一行梦境】，我会在那里分享更多深度内容和实用技巧。
全网最简单DeepSeek-R1本地部署教程
qq_44955062的博客
02-07 1790
但是我们每次如果想要使用ollama模型的时候都需要运行命令行，这就有点不方便。模型的大小大致分为1.5b,7b,8b,14b,32b,70b,671b。我的电脑是windows的就点击windows然后点击下载即可。打开ollama网址：https://ollama.com/打开ollama官网：https://ollama.com/然后点击保存，之后我们就可以在这个可视化模型中进行对话。所以接下来就开始安装可视化的界面来使用本地的模型。模型选择刚在电脑上下载的ollama模型即可。
【真实评测】DeepSeek R1多版本性能与负载测试（基于RTX3060+R7 5800+32GB内存实测）
02-10 5403
DeepSeek R1多版本性能与负载测试（基于RTX3060+R7 5800+32GB内存实测）
DeepSeek不同参数规模模型的显卡需求
mazrmc的博客
02-18 2399
DeepSeek不同参数规模模型的显卡需求
LM Studio 本地部署DeepSeek及其他AI模型的详细操作教程及硬件要求
任聪聪的博客
01-29 4万+
LM Studio是一款能够本地离线运行各类型大语言模型的客户端应用，通过LM Studio 可以快速搜索所需的llms类型的开源大语言模型，并进行运行。特点：本地、独立、离线官网：https://lmstudio.ai/
一文了解：部署 Deepseek 各版本的硬件要求
qianggezhishen的专栏
02-27 3629
很多朋友在咨询关于 DeepSeek 模型部署所需硬件资源的需求，最近自己实践了一部分，部分信息是通过各渠道收集整理，so 仅供参考。言归正转，大家都知道，DeepSeek 模型的性能在很大程度上取决于它运行的硬件。我们先看一下 DeepSeek 的部分通用版本（如下图），然后再介绍一下最近火热的R1推理版本的各规格的硬件要求。最后，会给出 R1 的各主流版本的资源参考列表（文末）。模型名参数大小文件格式标签公司1.3BGGUF GPTQDeepSeek1.3BGGUF GPTQ。
本地部署DeepSeek R1：打造专属私人AI助手指南
01-31 5119
DeepSeek R1是一款性能卓越的推理模型，其表现能够与OpenAI的模型相抗衡。最令人振奋的是，该模型现已支持完全在本地运行，无需持续的网络连接。用户可以根据自身需求和硬件条件，选择不同规模的模型版本，借助本地算力实现高效推理。通过本文提供的详细步骤，用户可以在本地成功部署DeepSeek R1模型，享受私密、高效的AI助手服务。这种本地部署方式不仅确保了数据安全，还为用户提供了高度自由的AI使用方式，无论是个人开发者还是企业用户，都可以根据自身需求灵活定制并充分利用本地AI的强大功能。
DeepSeek本地部署详细指南
热门推荐
m0_56896669的博客
02-01 14万+
通过上述步骤，你可以在本地成功部署DeepSeek模型，并通过Ollama或Open Web UI与模型进行交互。本地部署不仅能够保护数据隐私，还能根据需求灵活调整模型参数，满足不同场景下的使用需求。如果你在部署过程中遇到任何问题，可以在评论区留言，我们将一起解决。希望这篇教程能帮助你顺利部署DeepSeek模型，开启高效开发的新旅程！
RTX 3060能够部署Deepseek本地大模型吗
最新发布
03-17
好的，用户想了解RTX 3060是否支持部署Deepseek本地大模型，特别是硬件要求和兼容性。首先，我需要回忆一下Deepseek模型的不同版本及其硬件需求。根据引用[2]，Deepseek有多个版本，如7b、8b、14b、32b、70b和671b。...
本地部署deepseek记录
liyun52的博客
02-10 536
记录一下自己学习本地部署deepseek的过程。使用ollama来将deepseek部署到本地。我的环境：操作系统：win11显卡：RTX3060。
深度学习模型 DeepSeek-VL2 及其消费级显卡需求分析
haibo2144的博客
12-20 1万+
DeepSeek-VL2 是基于深度学习的视觉语言模型，其主要特点如下：混合专家架构：DeepSeek-VL2 采用了混合专家（MoE）架构，这使得模型在参数规模扩展的同时能够有效控制计算成本。通过分配专家来处理不同的任务，可以提高模型的计算效率。动态高分辨率视觉编码：该模型引入了动态平铺视觉编码策略，能够处理不同纵横比的高分辨率图像，提升视觉任务中的表现，尤其是在视觉定位、文档分析等任务中。
双3060、Ubuntu22.04、cuda12.8安装deepseek 32b-Q8
冰点信息
03-14 933
双3060、Ubuntu22.04、cuda12.8安装deepseek 32b-Q8
你的电脑能跑动哪个版本？DeepSeek本地部署硬件配置全解析
weixin_44626085的博客
02-24 4068
当AI大模型从云端走向本地，开发者们都在问同一个问题：我的电脑到底能不能跑得动DeepSeek？这个让科技圈沸腾的国产大模型，正在掀起一场桌面算力革命。今天我们就来揭开不同版本DeepSeek的硬件需求真相，看看你的设备能驾驭哪个级别的"数字大脑"。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值