3分钟手把手教学：零基础实现DeepSeek本地化部署（附教程）

程序学到昏

1398人浏览 · 2025-03-20 10:19:51

程序学到昏 · 2025-03-20 10:19:51 发布

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

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

如何系统的去学习大模型LLM ？

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。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

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！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望