背景：

因为deepseek非常火爆，在线使用高频率出现卡死，无法使用。因此本地化部署是一个不错选择。

那什么是本地化部署呢？

DeepSeek本地化部署可以理解为将DeepSeek的智能系统直接安装在你自己的电脑或服务器上，而不是通过互联网使用。这样做的好处是：

1. 数据更安全：所有数据都留在你的设备上，不用担心泄露。
2. 速度更快：不需要依赖网络，反应更迅速。
3. 定制化：可以根据自己的需求调整系统功能。

简单来说，就是把DeepSeek“搬”到你自己的设备上，既安全又高效。

那怎么本地化部署呢？

要傻瓜式地安装DeepSeek并进行本地化部署，可以参考以下步骤，这些步骤基于多个证据中的详细描述，适合没有编程基础的用户

1. 准备工作

• 操作系统：推荐使用 Windows 10/11 或 Ubuntu 20.04/22.04。

• 硬件要求：

• • CPU：至少4核
  • 内存：至少16GB
  • 硬盘：至少50GB可用空间
  • GPU（可选）：如果有NVIDIA显卡，可以安装CUDA加速。

2. 安装Python

1. 下载Python：

2. • 访问 Python官网。https://www.python.org/downloads/
   • 下载最新版本的Python（建议3.8或更高版本）。

3. 安装Python：

4. • 运行安装程序，勾选 “Add Python to PATH”，然后点击 Install Now。

5. 验证安装：

6. • 打开命令提示符（Windows）或终端（Linux），输入：
   • python --version

如果显示Python版本号，说明安装成功。

3. 获取DeepSeek代码

1. 下载代码：

2. • 从DeepSeek的官方仓库或授权渠道获取代码（通常是一个ZIP文件）。

3. 解压代码：

4. • 右键点击ZIP文件，选择 “解压到当前文件夹”，将代码放到一个你容易找到的目录（如 C:\DeepSeek 或 /home/username/DeepSeek）。

4. 安装依赖

1. 打开命令提示符（Windows）或终端（Linux）。
2. 进入DeepSeek代码目录：

cd C:\DeepSeek # Windows

cd /home/username/DeepSeek # Linux

安装依赖：

pip install -r requirements.txt

5. 配置环境变量

1. 创建配置文件：

2. • 在DeepSeek代码目录中，找到一个名为 .env 或 config.yaml 的文件。
   • 如果没有，可以创建一个 .env 文件，内容如下：

API_KEY=your_api_key_here

DATABASE_URL=your_database_url_here

1. 填写配置：

2. • 根据DeepSeek的要求，填写必要的配置（如API密钥、数据库连接等）。

6. 运行服务

1. 在命令提示符或终端中，运行以下命令启动服务：

python app.py

如果一切正常，你会看到类似以下的输出：

* Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)

7. 访问服务

1. 打开浏览器，输入以下地址：

http://localhost:5000

1. 如果页面正常加载，说明部署成功。

8. 常见问题

• 依赖安装失败：

• • 确保Python和pip已正确安装。
  • 尝试升级pip：

python -m pip install --upgrade pip

• 端口冲突：

• • 如果端口5000被占用，可以修改代码中的端口号，或者关闭占用端口的程序。

• GPU支持：

• • 如果你有NVIDIA显卡，可以安装CUDA和cuDNN以加速运行。

==

注意事项

1. 内存与存储

   ：确保C盘有足够的空间存放模型文件，通常需要至少19GB的存储空间。

2. 网络问题

   ：本地部署无需联网，但首次运行时可能需要下载模型文件。

3. 显卡支持

   ：如果使用显卡加速，请确保显卡驱动已更新，并支持CUDA或类似技术

总结

通过上述步骤，即使是零编程经验的用户也能轻松完成DeepSeek的本地化部署。本地部署不仅提高了隐私安全性，还能避免在线服务的网络拥堵问题。此外，使用Chatbox等工具还能让操作更加直观便捷

===网络上还有一种部署方式（来自 微智启工作室 给的教程，感谢分享**）**

通过ollama来部署

官网： https://ollama.com/

下载好ollama安装包，双击安装包开始安装；

然后点击install就可以自动安装了

验证ollama是否安装成功：

在电脑打开cmd，输入：ollama

会出现下方一堆的文字输出，就说明已经安装好了。如果是其他的，则没有安装成功（例如ollama不是内部或外部命令，也不是可运行的程序）

继续在ollama官方，搜索关键词： deepseek-r1

①是模型的名称

②写有部署模型需要的空间，一般容量越大，训练的效果越好，但是所需的电脑显存也就越大，学习推荐大家下载1.5b的尝鲜即可。

③选择好对应的模型后，会给出对应的运行指令，把指令复制到cmd窗口运行

运行好指令后，初次会下载对应的模型，例如我的是：ollama run deepseek-r1:1.5b

下载完毕，会出现success字样。并且可以在>>>处直接输入你的问题，并回车执行，它就会回复了。

如上图，就成功部署啦……

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

那么应该如何学习大模型

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

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】

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，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。

👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

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】