1. 安装Python环境

1.1 安装Anaconda（Python包管理）

1. 访问 Anaconda官网，下载Windows 64位安装包。

2. 双击安装包，勾选 “Add Anaconda to PATH”（将Anaconda加入环境变量），按默认选项完成安装。

1.2 创建虚拟环境

打开Anaconda Prompt（以管理员身份运行）：

conda create -n deepseek-gui python=3.9  # 创建名为deepseek-gui的Python 3.9环境
conda activate deepseek-gui             # 激活环境

---

2. 安装PyTorch与CUDA驱动

2.1 安装PyTorch（GPU/CPU版本）

• GPU用户（需NVIDIA显卡）：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

• CPU用户（无GPU）：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

2.2 验证CUDA是否可用

在Python交互环境中输入：

import torch
print(torch.cuda.is_available())  # 输出True表示GPU可用

3. 获取Deepseek-R1代码与模型

3.1 克隆代码仓库

git clone https://github.com/deepseek-ai/Deepseek-R1.git
cd Deepseek-R1

3.2 下载模型权重

1. 根据官方指引下载模型文件（如从Hugging Face或百度云获取）。

2. 将权重文件（如deepseek-r1-7b.bin）放入项目内的checkpoints文件夹。

---

4. 安装依赖库（包含GUI支持）

4.1 安装基础依赖

pip install -r requirements.txt

4.2 安装图形界面库

• 选项1：使用Gradio（推荐）
  快速构建Web界面：

pip install gradio

• 选项2：使用Streamlit

        更灵活的仪表盘：

pip install streamlit

---

5. 配置图形界面

5.1 创建界面脚本（以Gradio为例）

在项目根目录新建文件 web_demo.py，并添加以下代码：

import gradio as gr
from transformers import AutoModelForCausalLM, AutoTokenizer

# 加载模型和分词器
model_path = "checkpoints/deepseek-r1-7b.bin"
tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path)

# 定义生成函数
def generate_text(prompt):
    inputs = tokenizer(prompt, return_tensors="pt")
    outputs = model.generate(**inputs, max_length=200)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# 构建Gradio界面
interface = gr.Interface(
    fn=generate_text,
    inputs=gr.Textbox(lines=3, placeholder="输入您的问题..."),
    outputs="text",
    title="Deepseek-R1 交互界面",
    description="输入问题，获取模型生成的回答。"
)

# 启动服务
interface.launch(server_name="0.0.0.0", server_port=7860)

5.2 修改配置文件（如有必要）

确保model_config.py中模型路径正确：

MODEL_PATH = "checkpoints/deepseek-r1-7b.bin"  # 使用绝对路径更安全

---

6. 启动图形界面

6.1 运行Gradio界面

python web_demo.py

• 成功启动后，命令行会显示访问链接：
  Running on local URL: http://127.0.0.1:7860

6.2 使用浏览器交互

1. 打开浏览器访问 http://localhost:7860。

2. 在输入框中提问（如“如何学习人工智能？”），点击Submit生成回答。

---

7. 常见问题与优化

7.1 界面启动失败

• 端口冲突：修改web_demo.py中的端口号（如server_port=8000）。

• 依赖缺失：检查是否安装gradio或streamlit。

7.2 性能优化

• GPU显存不足：

# 启用8-bit量化（需安装bitsandbytes）
model = AutoModelForCausalLM.from_pretrained(model_path, load_in_8bit=True)

• CPU加速

# 启用多线程
import torch
torch.set_num_threads(8)

7.3 界面美化

• Gradio主题：更换界面主题（如gr.themes.Soft()）。

• 历史记录：添加聊天历史功能（参考Gradio的ChatInterface）。

---

附：图形界面示例截图

---

通过以上步骤，您可以在Windows本地部署Deepseek-R1并拥有图形交互界面。如需更复杂功能（如文件上传、多轮对话），可进一步扩展Gradio或Streamlit代码。