DeepSeek R1 本地部署指南 (4) - 本地部署模型路径

win10系统使用ollama进行Deep Seek本地化部署，需要修改模型的默认保存位置，只需新建系统环境变量即可。

DeepSeek持续爆火，估计有很多同学跟我一样一直在探索或者甚至到了深度的使用。但这些天我已经被「服务器繁忙，请稍后再试」搞得一点脾气没有了。作为一个前程序员，怎么能忍受呢？！于是，今天我花了一上午时间，直接在自己电脑本地上部署了DeepSeek-R1。下面是我记录本次部署的全过程，相信但凡你有一点点电脑使用经验，按着我这大白话的教程，只要三步，都能完成自己的AI本地化部署。注意：这里是两个“l”。进来之后是可以看到如下这样的一个界面，如果你没有看到的话，可能你进入错了。

DeepSeek（深度求索）是一家专注于人工智能技术研发的中国创新型科技公司，成立于2023年7月17日，总部位于浙江省杭州市。公司致力于开发高性能、低成本的大语言模型（LLM）及相关技术，目标是通过技术创新推动AI技术的普惠化deepseek由于网络攻击现在注册不了下面来介绍一下完整的本地部署流程提示：以下是本篇文章正文内容，下面案例可供参考以上介绍DeepSeek本地部署的主要流程，如果想使用联网的可以试试PC端注册。

DeepSeek 本地部署 网页版的DeepSeek总是显示服务器繁忙，可以本地部署来解决这个问题！

Web UI 控制端。

DeepSeek R1是由中国人工智能公司深度求索（DeepSeek）推出的高性能开源模型，其推理能力接近GPT-4 Turbo，且支持本地部署，兼顾数据隐私与成本效益。本教程将详细介绍如何通过Ollama工具在本地设备上部署DeepSeek R1模型，并优化其性能与交互体验。

本地部署deepseek-r1模型调用，新手保姆教程，无需代理

DeepSeek R1是一款性能卓越的推理模型，其表现能够与OpenAI的模型相抗衡。最令人振奋的是，该模型现已支持完全在本地运行，无需持续的网络连接。用户可以根据自身需求和硬件条件，选择不同规模的模型版本，借助本地算力实现高效推理。通过本文提供的详细步骤，用户可以在本地成功部署DeepSeek R1模型，享受私密、高效的AI助手服务。这种本地部署方式不仅确保了数据安全，还为用户提供了高度自由的AI使用方式，无论是个人开发者还是企业用户，都可以根据自身需求灵活定制并充分利用本地AI的强大功能。

Windows 下 Ollama 安装deepseek本地模型（附教程）

右键图标，会出现退出的按钮「Quit Ollama」，注意：一定要退出Ollama，否则下边的环境配置无法生效！在 Chatbox 中打开设置，在模型提供方中选择 Ollama，即可在模型下拉框中看见你运行的本地模型。安装完成后，会在电脑右下角出现Ollama图标，可以不用先启动Ollama，先退出做一些必要路径的配置！双击安装文件，点击「Install」开始安装。点击后，会弹出一个网页，我们点击左上角，选择刚刚安装好的，再点右上角的设置。好的，我们现在已经将Ollama安装完毕，下载结束后，点击安装。

本地部署AI大模型全流程指南 本文详细介绍了在Windows系统下部署Ollama平台、Deepseek R1大模型及OpenWebUI界面的完整流程。文章首先概述了各组件功能：Ollama作为本地LLM运行平台，Deepseek R1国产大模型提供深度搜索能力，OpenWebUI提供可视化操作界面，Hyper-V确保虚拟化环境稳定。随后分步指导了Ollama安装、模型路径配置、Deepseek R1 7B模型下载（需20分钟）及终端测试。最后讲解了通过Docker安装OpenWebUI的步骤，包括启用Hy

配置后，Ollama 服务将能在当前网络（如家庭 Wifi）中提供服务。你可以使用其他设备上的 Chatbox 客户端连接到此服务。可能需要在防火墙中允许 Ollama 服务的端口（默认为 11434），具体取决于你的操作系统和网络环境。为避免安全风险，请不要将 Ollama 服务暴露在公共网络中。家庭 Wifi 网络是一个相对安全的环境。Ollama 服务的 IP 地址是你电脑在当前网络中的地址，通常形式如下。

*

DeepSeek大模型通过创新的训练方法、架构优化、训练效率与成本优化等技术突破，实现了高性能、低训练成本和强大的推理能力。其纯强化学习训练路径为AI模型的推理能力训练提供了新的思路，而高效的训练框架和混合精度训练技术则为大规模模型的训练提供了可行的解决方案。

‌DeepSeek的推理逻辑很强，但是呢基本上就能问一次，继续问就会服务器繁忙。好在deepseek是是开源的，所以我们需要搭建本地的deepseek，就完美避免了这个问题。主要版本基于LLaMA架构的中文大语言模型。强化了中文理解与生成能力。支持大规模预训练和微调，适用于多种中文任务。在V3的基础上进行了优化，提升了效率和适应性。适合快速部署和实际应用中的中文AI服务。好记性不如烂笔头！

1 可以通过 api 添加各种模型 2 上传文档就能本地新建知识库 3 各种 AI 工具直接打开 4 知识库配合 deepseek 3 ，加上 COT 提示词 效果不错 5 还能画图 6 有简单 Artifacts 功能，直接渲染代码 7 可以多个模型一起回答问题，就是样式是直接铺下来的。

架构设计：DeepSeek系列采用了多种先进的架构设计。例如，DeepSeek-V3采用了Multi-head Latent Attention (MLA)和DeepSeekMoE架构。MLA通过低秩压缩技术减少了推理时的Key-Value缓存，显著提升了推理效率；DeepSeekMoE则通过细粒度的专家分配和共享专家机制，实现了经济高效的训练。训练方法：DeepSeek采用多种先进的训练技术和方法，包括分布式训练（数据并行、模型并行、流水线并行）、混合精度训练、强化学习与多词元预测、持续学习与微调等。

DeepSeek作为国产顶尖开源大模型，其优秀的语义理解和生成能力备受关注。本文将手把手教你如何在本地计算机部署DeepSeek模型并实现对话交互，支持CPU/GPU双模式运行。