在正式文章前，你也许会有疑问，为什么官方已经有了，还需要自己部署干嘛，直接用不好吗？原因有几点：一是有些公司或者个人可能会咨询一些涉及商业机密的东西，部署在本地；二是可以自定义开发内容，例如我想开发一个机器人，我就可以通过部署到服务器，自己训练调用接口了(官方当然也是有api的，但是需要一定的费用，而且爹有娘有不如自己有；三是自己部署的话，自定义私有程度比较高……)

部署方式一：

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……

更多内容，年后再更新啦，持续更新中……

删除指定的模型：

1、查看已经部署的模型：

ollama list

2、删除指定的模型：ollama rm deepseek-r1:14b

注意上方红色字体需要替换成你自己实际的模型名称

部署方式二：

通过Page Assist浏览器插件来部署(这个过几天再更新了，过年不加班啦……更多后续更新内容，可以先点个关注哈)

常见报错解决方案：

Error: llama runner process has terminated: error loading model: unable to allocate CUDA_Host buffer

解决方案：这个是因为电脑的显存不够，换个小一点的模型；或者部署的时候，指定用CPU来运行，不过速度会比较慢：ollama run deepseek-r1:7b --cpu