主要内容：

一：DeepSeek本地部署及模型下载

二：第三方助手下载及配置调试

三：基础知识点

1：下载Ollama(https://ollama.com/)

2：按提示安装后，输入cmd，打开命令提示符后，输入ollama回车确认，看到图片提示的输出，说明安装成功

注：出现提示：‘ollama’不是内部或外部命令，也不是可运行的程序或批处理文件。到环境变量中>path里是否有ollama安装目录，如果有，但是还是提示ollama’不是内部或外部命令，也不是可运行的程序或批处理文件，尝试重启电脑

3：到ollama官网首页，点击deepseek-R1，下载模型，选择适合电脑的模型(我演示所用的是笔记本4070 8G显存，所以下载的是8b的模型)

显存参考：

显存	模型选择
无独立显卡	1.5b模型
4G或8G	选择7b或8b模型

确定好模型之后，下拉网页，复制对应的命令，粘贴到cam终端回车确认，等待模型下载完成，提示出现success就说明deepseek本地版部署完成

可以在cmd终端命令行进行对话

下面我们测试一下8b版本的效果，让它计算一道小学数学题，测试一下准确度

问题：甲乙二人从两地同时相对而行，经过4小时，在距离中点4千米处相遇。甲比乙速度快，甲每小时比乙快多少千米?

正确答案：甲每小时比乙快2千米。

下面是DeepSeek 8b模型的效果

答案准确

4：下载Cherry Studio第三方工具，方便调用，打开https://cherry-ai.com/（这是一个支持多加大模型的AI客户终端，直接对接Ollama的api，实现窗口式的大模型的对话效果），下载Cherry Studio，按照提示完成安装

5：配置模型

点击左下角设置，在模型服务中选择ollama，打开右上角的开关，点击底部的管理按钮，添加刚才下载的deepseek模型

然后在设置界面，选择第二个默认模型，然后在默认助手模型中，选择你要调用的模型（你刚才下载的模型）

6：完成上边的流程后，就可以和deepseek进行对话了，下边是效果展示

问题：甲乙二人从两地同时相对而行，经过4小时，在距离中点4千米处相遇。甲比乙速度快，甲每小时比乙快多少千米?

正确答案：甲每小时比乙快2千米。

7：基础知识点

B	billion=10亿
fp：指的是模型计算时的数值精度，精度越高，计算结果越准确，但是需要的计算资源也越多，推理速度就会变慢。主要是用在模型训练的过程当中，训练完成后精度就不再改变	FP32   标准训练精度，也是大模型训练最常用的精度   4字节/参数 FP16   半精度浮点:可以减少内存占用和计算成本，但是会损失结果质量   2字节/参数 BF16   全称bfloat16:和FP16类似，但更适合深度学习   2字节/参数 FP8     8 位浮点数，进一步压缩模型的精度浮点，适合加速推理   1字节/参数
量化（Q）：是对模型权重和激活值进行数值压缩，让模型的体积变小，可以节约运行需要的显存，但是会少量牺牲模型的精度，影响模型智商。这类似于将无损图片转换为高清JPG格式，虽然会轻微影响画质，但能大幅减少存储空间。主要用在推理过程，量化后模型体积变小，对显存要求就更低，同样的硬件配置，推理速度就会加快。	INT8   8 位整数量化，将 32 位或16 位浮点数转换为 8位整数，减少存储和计算需求   1字节/参数 INT4   4位整数量化，最常用的量化方案，进一步减少模型大小，但会损失更多的模型精度   0.5字节/参数 INT2及INT1   这个属于极端压缩了，仅仅适用于特殊应用，不太常用

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v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。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓