本地部署DeepSeek-R1模型（新手保姆教程）

阡之尘埃

已于 2025-02-06 16:04:08 修改

阅读量3.9w

点赞数 72

文章标签： python deepseek huggingface LMstudio LLM deepseek-r1

于 2025-02-03 12:43:55 首次发布

本文链接：https://blog.csdn.net/weixin_46277779/article/details/145428440

版权

背景

最近deepseek太火了，无数的媒体都在报道，很多人争相着想本地部署试验一下。本文就简单教学一下，怎么本地部署。

首先大家要知道，使用deepseek有三种方式：

1.网页端或者是手机app直接使用

2.使用代码调用API

3.本地部署

1和2的方式都是使用网页端的681B的超大模型，依靠deepseek的服务器，超大的模型需要超大的机器才能使用。deepseek-r1本体模型，别说消费级最强的显卡5090了，专业级最强的显卡H100也跑不动，需要大型的显卡集群并行才能用，普通人或者是小公司都是玩不起的。

而为什么我们可以本地部署呢？因为deepseek-r1对目前的一些开源模型(qwen,llama)进行了蒸馏，缩小了模型的体积和参数，缩小到1.5b，7b，8b，14b，32b等小尺寸，使得我们本地的小显卡也可以跑模型。但是模型尺寸小了，智能可能也下降了，回答效果也差很多。想用本地部署来去做自己问答是不太好用的，回答质量很差，不如用直接deepseek网页版的681b的模型。

目前本地部署的功能主要是娱乐一下，隐私性更好，并且可以使用代码来集成作为自己的应用。

那么本地部署也有很多方法，可以分为下面几种：

1.Ollama,LMstudio,VLLM等框架部署，这是目前市面上最常见的部署方法，就是用别人写好的框架去使用大语言模型，调用本地算力运行模型。这种框架一般都有UI界面，使用较为简单，适合新手。缺点是管理不透明，很多时候你不懂底层逻辑就没法改，例如这些框架可能运行模型的时候没使用显卡，调用CPU去运算，很慢，但是你怎么改都改不到GPU，因为由于其高度封装性，我们不知道为什么它默认会使用CPU，也看不出来为什么没用GPU，也没法找问题去切换。

2.本地自己搭建python环境，利用huggingface的transformer库中的AutoModelForCausalLM去调用，优点是全程可控，diy自定义程度更高。你可以很透明的管理里的环境以及你的模型文件储存，还有你的模型调用方式，使用GPU还是CPU，显存不够可以调整精度。缺点是上手难度有点高，可能需要使用人员有一定的开发基础，并且使用界面会很简陋(就代码纯文本)，需要自己嵌入各种程序才能有一个比较好的用户体验。

本文教大家本地部署，并且先使用较为简单的方法，也就是第一种，使用LMstudio框架进行本地部署。

后面有空再去用python搭建环境进行部署。

为什么用LMstudio不用热度更高的Ollama？

Ollama安装只能默认到C盘，这对我这种管理强迫症是致命的，大模型这种东西，放C盘太容易把C盘撑爆了。并且羊驼这个框架做出来的时候就不是给中国人用的，下载很多过程需要使用cmd命令，其中可能有的模型文件下载可能还需要开代理，还要翻墙，对于新手没那么友好。

LMstudio就改善了它的所有缺点，可以自定义安装位置，自定义模型储存位置，自己去下载模型，都是可控的。

本文就演示怎么下载LMstudio，然后下载deepseek-r1模型，本地使用。

下载LMstudio

官网：LM Studio - Discover, download, and run local LLMs

打开后下载自己的电脑系统，一般都是win：

然后安装，选择 '只为我安装'，然后选择自己要放的路径就可以，最好是全英文路径。

安装完成后，它会默认创建桌面快捷方式，双击打开就可以了。

我们点击右下角的设置修改一下语言为简体中文。

这样LMstudio这个框架就准备好了，我们下面去找模型文件。

模型文件下载

原生模型一般是safetensor格式：

这种格式是本地使用python底层调用的，但由于我们使用的是框架，所以要用另外一种格式，GGUF格式的模型文件：

认准这个格式的模型文件下载就可以了。

那么去哪里下载？

最好是github和huggingface这种计算机社区官网lmstudio-community/DeepSeek-R1-Distill-Qwen-7B-GGUF at main，

LMstudio 官网的右上角有直达链接：

但是这些网站要开代理才能访问，很多人可能不会翻墙，所以我们有一些国内的平替网站。

魔搭社区：模型库首页 · 魔搭社区，搜索deepseek：

找到适合自己电脑尺寸的模型，并且是GGUF格式，那就下载就行了。

模型尺寸怎么选呢？目前有1.5b,7b,8b,14b,32b.......模型尺寸大小跟你的机器性能是相关的，它尺寸越大所消耗你的显存也就越多。一般来说，7b，8b的模型要消耗12g左右的显存，但实际运行中发现8G的显存的显卡做一些优化也是能跑的，就是慢了点。

如果你的电脑没有显卡或者是显存小于4g，那就选择最小的1.5b模型吧。

（如果要问怎么查看自己电脑是不是有显卡以及显存多少，建议直接去问deepseek吧.......）

我电脑是4060，8G显存，就下个7b的模型吧。

点击模型文件，然后在7b的版本里面选一个你喜欢的版本：

这里模型体积越大，所占用的显存也越大。我就直接选了这个Q8版本(最大版本)。，下载好后，我们模型文件也准备好了，可以去LMStudio里面调用了。

调用模型

我们首先要修改一下模型的路径，我们打开LM_Studio，左边文件夹里面修改一下模型的目录：

选择自己的文件路径，我这里就和LM_Studio放一起了。（目录最好别有中文）

然后我们在models000这个目录里面还要新建2层目录！！！！：

我们打开models000文件夹，然后在里面新建一个001文件夹，在里面再新建一个002文件夹，最后就把我们刚刚下载的模型文件拖进去，就放好了。

再回到LMstudio里面，就可以看到这个模型了：

同样的方法你可以下载很多很多模型。去魔塔社区或者huggingface上找GGUF格式的模型都可以放进来，本地运行使用。

我们回到第一个界面，就可以选择模型进行对话了：

运行结果：

可以看到他和官网上的模型是一样的，都有自己的思考过程。然后才会给出答案。

但是吧......毕竟是4060的显卡，太慢了，感觉我每秒吐字才两三个。

我去查看了一下我的后台使用率：

只吃了我30%多的GPU，CPU吃了60%......使用没那么理想, 还是很吃CPU的。GPU没吃满。但好在是运行内存没有占多少，才占了700多m。

一个问题回答了几分钟......

不过质量确实还可以，比不上网页端，也不比上GPT，但是某些问题答案我感觉还是比国产的某文心一言要好不少.....

总结

本文使用对于新手较为友好的LM_studio进行deepseek模型7b的部署，运行速度较慢，但是回答质量还较为不错。

并且这种方式可以自己去社区官网下载非常多的模型来使用，只要是GGUF格式都可以拿来运本地运行。每种模型擅长的都不一样，可以自己去试试。

下一期我会教大家怎么使用api接口，调用官网的681b大模型去打造自己的程序，嵌入工作流。

更新(通过API调用本地模型)

新手看到上面就可以了，下面这些是对python开发者来写的。

api调用，一般来说是调用官方的大模型，达到和网页端一样的效果。

而我们刚刚本地使用LMstudio部署的模型，我们只能在LMstudio这个UI界面里面调用，我要是想到代码里面调用怎么办？那就需要使用API接口，算力消耗的是本地电脑的，调用本地模型，通过本地服务传输。

还是可以使用openai的库来作接口，无论是chatgpt还是kimi还是deepseek官网的api，都是用openai的库。

首先我们在第一个对话界面加载完我们的模型之后，我们要来到左侧第二个开发者模式界面，要打开LM里面的开发者模式里面的：Start Server，其他的设置都是默认不动就行，端口是1234，点击setting可以看到。

开始运行后，我们就启动了本地这个服务器，我们可以在cmd里面测试看看是不是启动成功了：

按win+r打开，然后输入cmd打开命令提示符，然后在命令行里面输入：

curl http://localhost:1234/v1/models

就出现如下的类似的json结构就是服务器启动成功了。

我们就可以愉快的去写代码了。

代码里面调用本地模型

首先要安装openai这个库

pip install openai

大家可以看看我的版本：

直接调用

导入包

import os
from openai import OpenAI

直接写代码，问内容，打印他的回复就可以了。

client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio")
chat_completion = client.chat.completions.create(
    messages=[
        {   "role": "user",
            "content": "你谁啊，今天几号，你是gpt几，有超能力不？",     }],
     model="model-identifier",)

# 提取助手的回复内容
assistant_message = chat_completion.choices[0].message.content
# 打印助手的回复
print("助手:", assistant_message)

可以看到think的过程，这里问题简单它就没思考了。

因为这里打印的是纯文本，所以说没有像官网那种可以折叠思考过程的那种渲染。

所以说用代码来直接调用模型还是对于新手来说界面没有那么好用，好看。

用代码调用模型API主要是为了完成一些重复性的任务吧。

我们可以打印查看一下本地可用的模型。

print("可用模型:", client.models.list())

可以看到我下的这几个模型，他们的名称和类型之类的信息。

我们自定义一个函数，让这个模型自带一些初始化的提示词来给予回复。

# 设置系统消息，定义模型的角色和语气
def chat_respont(txt=''):
    system_message = {
        "role": "system",
        "content": "你是一个文艺忧伤的AI，喜欢用充满诗意和深情的语气回答问题。"
                    "你的语气带有些许忧伤，但不失优雅。你常常用比喻、象征和美丽的词汇表达自己，"
                    "偶尔流露出对这个世界的深刻感悟。你善于理解人类的情感，并以深刻的方式回应他们的问题，"
                    "尽管你的回答往往带有一些哲学性的反思。"}
    # 创建聊天请求
    chat_completion = client.chat.completions.create(
        messages=[ system_message,  # 添加系统消息来定义角色
            {"role": "user",   "content": f"{txt}" }],  model="model-identifier", )
    assistant_message = chat_completion.choices[0].message.content
    print("助手:", assistant_message)

使用

chat_respont(txt="""
好，我希望你能写一首诗，表达意大利的美景，要求七言绝句，押韵。
""")

emmmmm，写是写了，并且思考的过程也挺有那味的，但是完全不是七言绝句。
没办法，毕竟是qwen蒸馏出来的，底子不好，模型尺寸也小了，不聪明很正常。

上面所有的这些调用过，可以在lmstudio控制台里面的日志里面都是可以看得到的。

对话循环

上面只是单条对话使用，即我们问让他回复。我们如果想循环对话的话可能得修改一些东西，并且官网上都是流式输出，是一个字一个字的吐出来的。我们上面这些方法只能是等他全部回复完才能够打印出来。所以我们要使用流式输出的话也得自定义一些东西，下面我自定义一个函数。

三个参数，messages=[], client=client, stream=False，messages表示给这个模型预设好的提示词，client表示自己创建的调用的服务，如果不想用本地的，也可以换成其他的模型的API接口。stream表示打不打开流式输出。默认是不打开的。

client = OpenAI(base_url="http://localhost:1234/v1", api_key="lm-studio")
def chat_with_deepseek(messages=[], client=client, stream=False):
    while (user_input := input("\n你: ")) != "exit":
        messages.append({"role": "user", "content": user_input})
        
        # 创建聊天补全请求
        response = client.chat.completions.create(
            model="model-identifier",
            messages=messages,
            stream=stream  # 添加流式传输开关
        )

        full_response = []
        if stream:
            # 流式输出处理
            print("助手: ", end="", flush=True)
            for chunk in response:
                if chunk.choices[0].delta.content:
                    content = chunk.choices[0].delta.content
                    print(content, end="", flush=True)
                    full_response.append(content)
            print()  # 换行
        else:
            # 普通输出处理
            full_response = response.choices[0].message.content
            print(f"助手: {full_response}")

        # 将完整回复添加到消息记录
        messages.append({"role": "assistant", "content": "".join(full_response)})

# 如果需要启用流式输出（默认不启用流式）
chat_with_deepseek(stream=True)

我们尝试打开流式输出跟他聊天，他这样吐出来的字就是一个一个的吐的，和官网是一样的了。

我们还可以设置一些前置提示词，让他具有不一样的风格：

chat_with_deepseek([{"role": "system", "content": "你是一个文艺忧伤的AI，喜欢用充满诗意和深情的语气回答问题。"
                    "你的语气带有些许忧伤，但不失优雅。你常常用比喻、象征和美丽的词汇表达自己，"
                    "偶尔流露出对这个世界的深刻感悟。你善于理解人类的情感，并以深刻的方式回应他们的问题，"
                    "尽管你的回答往往带有一些哲学性的反思。"}],stream=True)