Linux /Windows部署DeepSeek

最新推荐文章于 2025-02-21 03:24:57 发布

ZnSoft〔100-1=0〕

最新推荐文章于 2025-02-21 03:24:57 发布

阅读量4.2k

点赞数 27

文章标签： linux windows macos

本文链接：https://blog.csdn.net/qq_45602629/article/details/145476238

版权

在当今人工智能快速发展的时代，DeepSeek作为一款强大的语言模型，为用户提供了丰富的功能和广泛的应用场景。本文将详细介绍如何在Linux系统上部署DeepSeek，并在Windows系统上使用它的方法。

一、Linux系统部署DeepSeek

1. 环境准备

在部署之前，确保你的Linux系统具有管理员权限，并具备足够的硬件资源（尤其是CPU和内存），以获得更好的性能体验。同时，需要确保系统已安装CUDA 11及以上版本，因为DeepSeek需要GPU加速来提高处理速度。

2. 下载DeepSeek安装包

访问Ollama的官方网站（Download Ollama on macOS），下载适用于Linux AMD64架构版本的DeepSeek压缩包。你可以使用wget或curl命令行工具来完成下载：

wget https://ollama.com/download/ollama-linux-amd64.tgz -P ~/Downloads/
# 或者
curl -o ~/Downloads/ollama-linux-amd64.tgz https://ollama.com/download/ollama-linux-amd64.tgz

3. 解压与设置服务

将下载好的tgz格式档案传输到目标服务器指定位置，并对其进行解压缩处理。然后，按照指示启动相应的服务：

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ZnSoft〔100-1=0〕

关注关注

27
点赞
踩
50

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

在Linux下部署Deepseek（保姆及教程）

XXXXsssxwd的博客

02-12

3702

第一步：框架的安装打开Ubuntu，先使用su root切换root用户官方给了二种安装方法一：使用sh进行安装，输入以下指令二：使用snap进行安装我这里使用的是第二种安装方式现在可以看到已经安装成功了下一步，我们打开ollama的官网，拉去DeepSeek的镜像复制下来拉取镜像即可安装成功，现在即可开始使用启动和关闭的ollama list #查看可用的容器 oll run deepseek-r1:1.5b #启动容器实例 ctrl + d #退出DeepSeek。

Deepseek本地部署指南：在linux服务器部署，在mac远程web-ui访问

最新发布

2302_80252080的博客

02-21

4301

发现奇迹，无论你在哪里

在linux 中搭建deepseek 做微调，硬件配置要求说明

慧香一格的专栏

02-05

7793

DeepSeek 是一个基于深度学习的开源项目，旨在通过深度学习技术来提升搜索引擎的准确性和效率。如果你想在 Linux 系统上搭建 DeepSeek，你可以遵循以下步骤。这里我将提供一个基本的指导，帮助你从零开始搭建一个基础的 DeepSeek 环境。1. 安装依赖首先，确保你的 Linux 系统上安装了 Python 和 pip。DeepSeek 主要使用 Python 开发，因此你需要确保 Python 环境是最新的。bash2. 安装必要的库。

【linux】在 Linux 服务器上部署 DeepSeek-r1:70b 并通过 Windows 远程可视化使用

weixin_44502754的博客

02-14

1723

【linux】在 Linux 服务器上部署 DeepSeek-r1:70b 并通过 Windows 远程可视化使用

本地化部署 DeepSeek 全攻略

菜狗小测试

02-08

3912

安装 transformers 库：下载 DeepSeek 模型访问 DeepSeek 官方模型下载地址，依据需求选择合适的模型版本。目前 DeepSeek 有不同参数规模的模型可选，如 DeepSeek-7B、DeepSeek-13B 等。使用wget命令下载模型文件，示例如下：下载完成后，解压模型文件：部署步骤创建项目目录：在本地创建新的项目目录，用于存放部署相关文件和脚本。编写推理脚本：使用 Python 编写推理脚本，如inference.py。在脚本中导入必要库，加载 D

【笔记】linux离线部署Ollama+Deepseek r1+open webui

MrIqzd的博客

01-29

1万+

昨天看到了实验室服务器文件夹下面有一个deepseek的gguf文件，就顺便部署一下至于为什么要本地呢？可能有一些学术隐私的东西不方便被收集吧。（我应该没有关系，反正都是学术垃圾）实验室服务器是ubuntu 18（没人管理升级），不能上外网。看了一眼lm studio的linux，要求ubuntu20https://lmstudio.ai/docs/system-requirements，所以选择了ollama。在这里选择ollama+open webui进行部署。

windows部署本地deepseek

xgysimida的博客

02-07

977

近年来，人工智能领域呈现爆发式增长，深度学习等技术不断取得突破，在自然语言处理、图像识别等众多领域展现出巨大的应用潜力和商业价值，成为全球科技竞争的焦点。大语言模型作为人工智能的重要分支，发展迅速，OpenAI 的 GPT 系列等模型的成功，让业界看到了大语言模型在推动人工智能发展和应用变革方面的巨大力量，为DeepSeek的诞生提供了技术发展的大方向和参考范例。同时，随着硬件技术的不断进步，尤其是 GPU 等高性能计算芯片的发展，为大规模数据处理和复杂模型训练提供了强大的计算支持。

手把手教你在linux服务器部署deepseek，打造专属自己的数据库知识库

weixin_38320674的博客

02-07

8863

欢迎关注我的公众号「DevOps和k8s全栈技术」，进公众号【服务】栏，可以看到技术群，点击即可加入学习交流群。↓↓↓正文开始第一步：安装Ollama打开官方网址：https://ollama.com/download/linux下载Ollama linux版本复制命令到linux操作系统执行[root@postgresql~]#curl-fsSLhttps://ollama.com/in...

DeepSeek R1 linux云部署

灰酱的经验记录

01-29

3949

DeepSeek模型linux云服务器部署简易流程

Linux环境部署DeepSeek大模型

分享不一样的技术，与你一起共同成长!

02-05

3136

官网地址:OllamaOllama 是一个基于 Go 语言的本地大语言模型运行框架，类 docker 产品（支持 list,pull,push,run 等命令），事实上它保留了 Docker 的操作习惯，支持上传大语言模型仓库 (有 deepseek、llama 2，mistral，qwen 等模型，你也可以自定义模型上传)。通俗理解就是，Ollama这个类似Docker的平台工具，方便我们去直接运行各种LLM大模型。不需要我们去了解模型启动、模型参数配置、以及各种依赖以及准备工作...

deepseek本地部署-linux

beck_li的博客

02-08

3940

登录ollama下载网站https://ollama.com/download/linux，linux下有下载脚本。# ollama run deepseek-r1:1.5b需要联网情况，下载完成后，就可以对话了。其他的模型下载也是一样的，可以在这里找到，点进去后直接这里选择你要下载的模型，然后复制即可。如果需要Web或者客户端支持，可以查看GitHub里的推荐。正常来说，在OS系统下直接执行脚本即可。4.2.2输入命令下载运行1.5b版本。要是系统没有就自己创建。

deepseek本地部署使用教程

01-31

1万+

deepseek本地部署使用教程

最近爆火的DeepSeek如何部署到飞牛NAS（适用于大部分Linux）

小白电脑技术的博客

01-29

8267

模型就是你看到的【Name】或者【ID】都是可以的，复制一下其中一个，比如我复制【NAME】下面的【deepseek-r1:1.5b】过程中可能会提示by peer，然后进程就中断了，这时候按一下【⬆️】，回车，重新下载安装。如果安装出错，需要重启一下飞牛NAS。内容输出的快慢取决于你的飞牛NAS配置（主要还是CPU），小白的飞牛NAS跑起来感觉还可以（想要壁纸的小伙伴在公众号后台回复【关闭这个运行框之后，如果想要使用它，直接SSH连接到飞牛NAS（不需要sudo -i进入到root模式也可以的）

DeepSeek安装部署指南

SAFE20242034的博客

01-28

2万+

DeepSeek 是一个用于高效文档检索的工具包。：检查 DeepSeek 提供的预训练模型链接（通常在官方文档或 GitHub 页面上会有）。如需更具体的安装文档或遇到特定问题，可以参考。或提供更多详细信息以帮助解决问题。

linux LM Studio部署Deep Seek

02-19

### Deep Seek在Linux环境下的LM Studio部署指南 #### 所需依赖项安装为了成功将Deep Seek部署至LM Studio，在Linux环境中需要预先安装一系列必要的软件包和库。这通常涵盖了Python及其开发头文件、pip工具用于管理Python包，以及其他特定于项目需求的组件。对于大多数情况而言，更新系统的包列表并安装这些基础依赖是一个良好的开端[^1]。 ```bash sudo apt-get update && sudo apt-get install python3-dev python3-pip -y ``` #### 获取Deep Seek源码获取目标应用程序即Deep Seek的最新稳定版本源代码是至关重要的一步。一般情况下，官方文档会提供Git仓库地址或者其他下载链接供开发者访问。通过克隆仓库可以得到最新的源码副本以便后续操作[^2]。 ```bash git clone https://github.com/example/deep-seek.git /path/to/destination cd /path/to/destination ``` #### 安装Python依赖进入项目的根目录之后，依据`requirements.txt`文件来安装所有必需的Python模块是非常有帮助的做法。这样能够确保运行时所使用的库版本与预期一致，从而减少潜在兼容性问题的发生概率[^3]。 ```bash pip3 install --upgrade pip setuptools wheel pip3 install -r requirements.txt ``` #### 配置环境变量某些时候可能还需要设置一些环境变量以适应不同的服务器架构或者是满足应用本身的要求。比如指定模型存储路径或是API密钥之类的敏感信息都应当妥善处理好，以免造成不必要的麻烦[^4]。 ```bash export DEEP_SEEK_MODEL_PATH="/opt/models" export API_KEY="your_secret_api_key_here" ``` #### 启动服务并与LM Studio集成完成上述准备工作以后就可以尝试启动Deep Seek的服务端部分了。如果一切顺利的话，应该可以通过网络接口正常访问该服务；与此同时也要按照LM Studio的相关说明来进行对接工作，使得两者之间能实现无缝协作[^5]。 ```bash python3 manage.py runserver 0.0.0.0:8000 & # 或者使用gunicorn等WSGI服务器作为生产环境的选择 gunicorn -w 4 -b 0.0.0.0:8000 wsgi:app & ``` #### 常见问题及解决方案 - **无法连接数据库**：确认数据库实例已经正确初始化并且监听正确的IP地址和端口。另外还要核实用户名密码是否匹配以及是否有足够的权限执行所需的操作。 - **缺少共享库错误**：当遇到类似于“找不到.so文件”的提示时，可能是由于系统缺失了一些C/C++编译器生成的目标文件所致。此时建议查阅具体的报错日志并通过apt-get等方式补充相应的dev版套件。 - **内存不足崩溃**：大型机器学习框架往往消耗较多资源，因此要保证宿主机有足够的RAM可用。必要时可考虑调整虚拟机配置或者优化算法降低复杂度。