DeepSeek R1最全本地部署教程 适用于Mac/Windows/Linux平台
模型下载 - 两种方式
- 您应该至少有 8 GB 的 RAM 来运行 7B 模型,16 GB 的 RAM 来运行 13B 模型,32 GB 的 RAM 来运行 33B 模型。
- 您应该至少有 8 GB 的 RAM 来运行 7B 模型,16 GB 的 RAM 来运行 13B 模型,32 GB 的 RAM 来运行 33B 模型。
- 您应该至少有 8 GB 的 RAM 来运行 7B 模型,16 GB 的 RAM 来运行 13B 模型,32 GB 的 RAM 来运行 33B 模型。
5.1 直接使用 Ollama 下载
打开 Ollama 模型列表:https://ollama.com/search

在模型列表中,找到我们要下载的 Deep Seek -r1;
当然这里的模型都是可以下载的,比如千问,Gemma 2,Llama 3.3等,下载方法都是一样的。

这里我要安装的是 14B,选择好下载的模型后复制右边的安命令到 Cmd 中执行即可。
这里安装的时间取决于网速,耐心等待即可;安装完成后,我们再去 open webui 刷新一下就可以愉快的玩耍了。

5.2 使用 Open Webui 下载
打开 Open Webui 后,在模型搜索处输入需要下载的模型名称以及模型型号即可。
这里我的以千问的 2.5 7 B大模型为例,在搜索框输入需要下载的模型点击 从"Ollama.com" 拉取即可。



步骤 2:下载 DeepSeek R1 模型
在终端中运行以下命令,根据你的硬件选择合适的模型:
# 下载 1.5B 版本(适用于 CPU 及低配 GPU) ollama run deepseek-r1:1.5b # 下载 8B 版本 ollama run deepseek-r1:8b # 下载 14B 版本 ollama run deepseek-r1:14b # 下载 32B 版本 ollama run deepseek-r1:32b # 下载 70B 版本(最高性能) ollama run deepseek-r1:70b
如果你不确定选择哪个版本,可以运行默认指令:
ollama run deepseek-r1
默认情况下,该指令会下载 7B 版本。
模型下载速度取决于网络状况,可能需要几分钟到几十分钟不等。

步骤 3:安装 Chatbox(可选)
为了获得更好的交互体验,可以安装 Chatbox 作为 GUI 界面。
下载地址:https://chatboxai.app/en#
安装完成后,进行以下配置:
- 在“配置 API 模型”选项中选择 Ollama API。
- 设置 API 主机为:http://127.0.0.1:11434
- 选择 DeepSeek R1 作为默认模型。
- 保存设置。
五、功能演示
成功安装后,你可以测试 DeepSeek R1 的能力。例如,让它生成一个用 Python 编写的贪吃蛇游戏代码。
输入 Prompt:
帮我用python写个贪吃蛇的游戏
示例代码(优化修正版本):
import turtle
import time
import random
# 窗口设置
window = turtle.Screen()
window.title("贪吃蛇 by Python")
window.bgcolor("black")
window.setup(width=600, height=600)
window.tracer(0) # 关闭自动刷新
# 蛇头
snake_head = turtle.Turtle()
snake_head.speed(0)
snake_head.shape("square")
snake_head.color("white")
snake_head.penup()
snake_head.goto(0, 0)
snake_head.direction = "stop"
# 食物
food = turtle.Turtle()
food.speed(0)
food.shape("circle")
food.color("red")
food.penup()
food.goto(0, 100)
segments = [] # 蛇身体段
score = 0 # 得分
# 得分显示
pen = turtle.Turtle()
pen.speed(0)
pen.color("white")
pen.penup()
pen.hideturtle()
pen.goto(0, 260)
pen.write("得分: 0", align="center", font=("Arial", 24, "normal"))
# 移动函数
def move():
if snake_head.direction == "up":
y = snake_head.ycor()
snake_head.sety(y + 20)
if snake_head.direction == "down":
y = snake_head.ycor()
snake_head.sety(y - 20)
if snake_head.direction == "left":
x = snake_head.xcor()
snake_head.setx(x - 20)
if snake_head.direction == "right":
x = snake_head.xcor()
snake_head.setx(x + 20)
# 方向控制函数
def go_up():
if snake_head.direction != "down":
snake_head.direction = "up"
def go_down():
if snake_head.direction != "up":
snake_head.direction = "down"
def go_left():
if snake_head.direction != "right":
snake_head.direction = "left"
def go_right():
if snake_head.direction != "left":
snake_head.direction = "right"
# 键盘绑定
window.listen()
window.onkeypress(go_up, "w")
window.onkeypress(go_down, "s")
window.onkeypress(go_left, "a")
window.onkeypress(go_right, "d")
# 碰撞检测
def check_collision():
# 边界检测
if snake_head.xcor() > 290 or snake_head.xcor() < -290:
return True
if snake_head.ycor() > 290 or snake_head.ycor() < -290:
return True
# 身体碰撞检测
for segment in segments:
if snake_head.distance(segment) < 20:
return True
return False
# 主游戏循环
while True:
window.update()
# 检查是否吃到食物
if snake_head.distance(food) < 20:
# 移动食物到随机位置
x = random.randint(-290, 290)
y = random.randint(-290, 290)
food.goto(x, y)
# 增加身体段
new_segment = turtle.Turtle()
new_segment.speed(0)
new_segment.shape("square")
new_segment.color("grey")
new_segment.penup()
segments.append(new_segment)
# 增加得分
score += 10
pen.clear()
pen.write(f"得分: {score}", align="center", font=("Arial", 24, "normal"))
# 移动身体段(从后往前)
for index in range(len(segments)-1, 0, -1):
x = segments[index-1].xcor()
y = segments[index-1].ycor()
segments[index].goto(x, y)
# 移动第一个身体段到头部位置
if len(segments) > 0:
x = snake_head.xcor()
y = snake_head.ycor()
segments[0].goto(x, y)
move()
# 碰撞检测
if check_collision():
time.sleep(1)
snake_head.goto(0, 0)
snake_head.direction = "stop"
# 隐藏身体段
for segment in segments:
segment.goto(1000, 1000)
segments.clear()
score = 0
pen.clear()
pen.write(f"得分: {score}", align="center", font=("Arial", 24, "normal"))
time.sleep(0.1)运行这个程序前需要确保:
- 已安装 Python 环境
- 需要安装 `turtle` 模块(通常 Python 标准库自带)
操作说明:
- W键:向上移动
- S键:向下移动
- A键:向左移动
- D键:向右移动
- 吃到红色食物会增长身体并加分
- 撞到墙壁或自己身体会游戏重置
游戏特点:
- 简单的图形界面
- 分数统计功能
- 碰撞检测
- 蛇身自动增长机制
- 游戏失败重置功能
你可以根据需求进一步添加以下功能:
- 添加开始/暂停按钮
- 增加难度等级
- 记录最高分
- 添加音效
- 设计更复杂的关卡
六、总结
通过本教程,你已经成功在本地部署了 DeepSeek R1,无论你是 AI 爱好者、开发者,还是仅仅对本地 AI 感兴趣,都可以尝试运行并训练自己的专属 AI 资料库。
借助 Ollama 和 Chatbox 等工具,本地运行 AI 变得更加简单和高效。现在就开始探索吧!
相关文章

如何实现deepseek本地部署?详细教学deepseek本地环境搭建及设置
本文将详细介绍deepseek本地部署的完整步骤,包括从环境配置到软件安装的全程指南,我们将细节和注意点做了介绍,确保你能够在短时间内完成高效、安全的配置,快速启动Deep2025-02-04
本地部署DeepSeek-R1联网 超简单的DeepSeek离线部署联网搜索教程
DeepSeek是近日热门的AI大型语言模型,目前可实现本地部署版本,那么DeepSeek本地部署后如何实现联网?这里要给大家介绍一个插件,简单快速部署deepseek-r1本地,无需网络2025-02-06
过年这几天,DeepSeek 算是彻底破圈了,火遍大江南北,火到人尽皆知,有不少读者私信询问本地部署DeepSeek-R1的电脑配置要求,下面我们就一起看看DeepSeek每个版本的配置要2025-02-07
本文将通过图文结合的方式,详细介绍 DeepSeek 的安装、配置、基本使用、高级功能以及实用技巧,帮助你快速上手并掌握这一工具2025-02-08
全新DeepSeek R1 本地部署详细图文教程 支持Web-UI 可以断网使用(附下
DeepSeek全球下载榜单登顶,因为太过火爆了,导致DeepSeek这段时间用的时候几乎天天崩溃,经常出现“服务器繁忙,请稍后再试”的情况,这里为大家带来DeepSeek R1本地部署2025-02-07
DeepSeek服务器繁忙怎么解决?手把手教你本地连接DeepSeek R1告别不响
近期DeepSeek经常出现服务器繁忙,请稍后再试的情况,那么DeepSeek服务器繁忙怎么解决呢?本文手把手教你本地连接DeepSeek R1,告别不响应,一起来看看吧2025-02-07
看到满血版价格想想还是算了! 本地部署 DeepSeek 电脑硬件配置清单
针对本地部署DeepSeek大模型的配置需求,需根据模型规模(如7B/13B/70B参数)和量化方案进行区分,以下是三个层级的硬件配置建议2025-02-09
如果你是内容创作者,或者在数字营销、数据分析等领域工作,提升工作效率和创作水平是必不可少的,而掌握一些强大的创作指令,无疑能让你事半功倍!今天,我整理了20个Deep2025-02-09
DeepSeek R1 671B 完整版本地部署详尽教程来了!
关于本地部署,大多数人使用的是蒸馏后的8B/32B/70B版本,本质是微调后的Llama或Qwen模型,并不能完全发挥出DeepSeek R1的实力,下面我们就来看看DeepSeek R1 671B 完整版2025-02-09
DeepSeek-R1 与 AnythingLLM 安装部署本地知识库详细教程
DeepSeek R1是目前最火的大模型,近来有很多朋友问怎么搭建DeepSeek 本地知识库,在这里分享一种使用DeepSeek + AnythingLLM快速搭建本地知识库的方法,完全本地化,懒人必2025-02-20









最新评论