前言

在人工智能技術(shù)日新月異的時代，大語言模型的應(yīng)用越來越廣泛，DeepSeek 作為其中的佼佼者，備受開發(fā)者和技術(shù)愛好者的關(guān)注。通過在本機部署 DeepSeek，能夠更靈活地利用其強大功能。而借助 ollama 和 docker 進行 deepseek - r1 的配置，能為我們帶來更高效、便捷的部署體驗。

一、ollama 與 docker 簡介

（一）ollama

(Ollama)

ollama 是一個強大的工具，它為模型的管理和運行提供了便利。它可以簡化模型的下載、配置和啟動過程，讓用戶能夠快速地將不同的模型集成到自己的工作流程中。例如，在處理多個不同類型的大語言模型時，ollama 可以輕松管理這些模型之間的切換和調(diào)用，提高開發(fā)效率。

（二）docker

docker 則是容器化技術(shù)的代表，它能夠?qū)?yīng)用程序及其依賴項打包成一個獨立的容器。在 DeepSeek 部署中，使用 docker 可以確保 deepseek - r1 在不同環(huán)境中具有一致的運行狀態(tài)。無論在開發(fā)環(huán)境、測試環(huán)境還是生產(chǎn)環(huán)境，只要安裝了 docker，就可以運行相同的 deepseek - r1 容器，避免了因環(huán)境差異導(dǎo)致的兼容性問題。

二、利用 ollama 和 docker 配置 deepseek-r1 的準(zhǔn)備工作

（一）硬件需求

同常規(guī)的 DeepSeek 部署類似，需要一臺性能不錯的計算機。內(nèi)存建議 16GB 以上，這樣在運行容器和模型時，能夠保證系統(tǒng)的流暢性。同時，配備 NVIDIA GPU 會顯著提升模型的推理速度，對于處理大規(guī)模文本任務(wù)非常關(guān)鍵。

（二）軟件安裝

• 安裝 docker：可以從 docker 官方網(wǎng)站獲取適合你操作系統(tǒng)的安裝包，按照官方指引進行安裝。在安裝完成后，確保 docker 服務(wù)正常運行，可通過簡單的命令行測試來驗證(sheel中輸入docker)。
• 安裝 ollama：根據(jù)你使用的操作系統(tǒng)，選擇合適的安裝方式。例如，在 Linux 系統(tǒng)中，可以通過特定的腳本進行安裝。安裝完成后，配置好 ollama 的運行環(huán)境變量，確保其能夠被系統(tǒng)正確識別。

三、配置 deepseek-r1 的詳細步驟

可以看出DeepSeek-r1完全模型在各方面優(yōu)于OpenAI，在某些方面評估甚至強于OpenAI，參數(shù)量適合于本地部署辦公使用。

（一）使用 ollama 獲取 deepseek-r1 模型

通過 ollama 的命令行工具，輸入特定的命令來搜索和下載 deepseek - r1 模型。ollama 會自動從官方或指定的源獲取模型文件，并將其存儲在本地的模型庫中。

（二）利用 docker 創(chuàng)建 deepseek-r1 容器

• 基于下載好的 deepseek - r1 模型，使用 docker 命令創(chuàng)建一個新的容器。在創(chuàng)建容器時，需要指定容器的名稱、掛載的目錄（以便與本地文件系統(tǒng)進行交互）以及容器運行所需的環(huán)境變量。

查看模型列表

可以訪問 ollama 官方的模型倉庫library查看支持的模型列表，點擊瀏覽某個模型，可看到詳細說明，如模型參數(shù)、大小、運行命令等信息。

下載模型命令

使用ollama pull命令進行下載。例如，若要下載圖片中的deepseek - r1 7b 模型，在命令行中輸入

ollama pull deepseek-r1:7b 

（若不指定具體版本如 7b 等，默認(rèn)下載最新版本）。首次使用該命令運行模型時，ollama 也會自動從網(wǎng)上下載模型。

注意事項

•   下載速度可能受網(wǎng)絡(luò)狀況影響，如果網(wǎng)絡(luò)不穩(wěn)定，下載模型可能需要較長等待時間。

     2.   部分模型對硬件資源有一定要求，如運行較大的模型（像 llama3 - 70b）可能會較慢，甚至出現(xiàn)硬件資源不足無法正常運行的情況，下載前可了解模型對硬件的需求。(主要是系統(tǒng)內(nèi)存的要求)

        配置容器的網(wǎng)絡(luò)設(shè)置，確保容器能夠與外部進行通信?？梢愿鶕?jù)實際需求，設(shè)置容器的端口映射，使本地應(yīng)用能夠訪問到容器內(nèi)運行的 deepseek - r1 服務(wù)。

（三）啟動和測試 deepseek-r1 服務(wù)

• （docker搭建請參照另一篇文章）完成容器創(chuàng)建后，使用 docker 命令啟動 deepseek - r1 容器。容器啟動后，ollama 會自動加載 deepseek - r1 模型，并啟動相關(guān)的服務(wù)進程。
• 通過編寫簡單的測試腳本，向運行在容器內(nèi)的 deepseek - r1 服務(wù)發(fā)送請求，驗證模型是否正常工作。例如，可以發(fā)送一段文本，請求模型生成回答，檢查返回的結(jié)果是否符合預(yù)期。

（四）WebUi的配置

搭建部署Open WebUI有兩種方式

• Docker方式（官網(wǎng)推薦）
• 源代碼部署安裝方式：（文檔?? Getting Started | Open WebUI）

Open WenUI 官網(wǎng)：GitHub - open-webui/open-webui: User-friendly AI Interface (Supports Ollama, OpenAI API, ...)

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v D:devopen-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

此命令啟動一個docker容器

• docker run：這是 Docker 用于運行容器的基本命令，它會根據(jù)指定的鏡像創(chuàng)建并啟動一個新的容器實例。
• -d：表示以守護進程（detached）模式運行容器，即容器會在后臺運行，不會占用當(dāng)前命令行終端的輸入輸出流，方便執(zhí)行其他命令。
• -p 3000:8080：端口映射參數(shù)，將容器內(nèi)部的 8080 端口映射到主機的 3000 端口。這樣，通過訪問主機的 3000 端口，就可以訪問到容器內(nèi)運行在 8080 端口上的open-webui應(yīng)用。
• --add-host=host.docker.internal:host-gateway：此參數(shù)用于向容器內(nèi)的/etc/hosts文件中添加一條主機映射記錄，將host.docker.internal映射到host-gateway。這在容器需要與主機進行通信時非常有用，特別是在一些特殊網(wǎng)絡(luò)環(huán)境下，使得容器能夠通過host.docker.internal這個域名訪問到主機。
• -v D:devopen-webui:/app/backend/data：這是卷掛載（volume mount）參數(shù)，將主機上的D:devopen-webui目錄掛載到容器內(nèi)的/app/backend/data目錄。這意味著主機和容器可以共享這個目錄下的文件，主機目錄中的任何更改都會實時反映到容器內(nèi)，反之亦然。常用于數(shù)據(jù)持久化或在容器和主機之間傳遞數(shù)據(jù)。
• --name open-webui：為運行的容器指定一個名稱為open-webui，方便后續(xù)對容器進行管理和操作，例如使用docker stop open-webui停止容器，或docker start open-webui啟動容器。
• --restart always：表示無論容器因為何種原因停止，Docker 都會自動嘗試重新啟動它，確保容器始終處于運行狀態(tài)。
• ghcr.io/open-webui/open-webui:main：這是容器所使用的鏡像名稱和標(biāo)簽，指定從 GitHub Container Registry（ghcr.io）上拉取open-webui/open-webui鏡像的main版本。如果本地沒有該鏡像，Docker 會自動從指定的鏡像倉庫下載。

啟動ollama容器

   1.使用該命令啟動CPU版運行本地AI模型

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

    2.此命令用于啟動GPU版本運行AI模型

前提是筆記本已配置NVIDIA的GPU驅(qū)動，可在shell中輸入nvidia-smi查看詳細情況

docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

然后就可以訪問docker中給出的open webui的地址啟動web界面，選擇好模型就可以進行問答對話了，恭喜你擁有了自己的AI小助手！

四、這種配置方式的優(yōu)勢

（一）快速部署

ollama 和 docker 的結(jié)合，大大縮短了 deepseek - r1 的部署時間。通過簡單的命令行操作，即可完成模型的獲取和容器的創(chuàng)建，相比傳統(tǒng)的手動配置方式，效率得到了極大提升。

（二）環(huán)境隔離

docker 的容器化技術(shù)實現(xiàn)了環(huán)境的隔離，使得 deepseek - r1 在獨立的環(huán)境中運行，不會受到本地系統(tǒng)其他軟件的干擾。同時，也方便對模型進行版本管理和維護，當(dāng)需要更新或切換模型版本時，只需要重新創(chuàng)建或更新容器即可。

（三）易于擴展

在后續(xù)的應(yīng)用中，如果需要增加模型的計算資源，或者部署多個 deepseek - r1 實例，可以輕松地通過 docker 的集群管理功能進行擴展。ollama 也能夠方便地管理多個模型之間的協(xié)同工作，滿足不同業(yè)務(wù)場景的需求。

五、可能遇到的問題及解決方法

（一）網(wǎng)絡(luò)問題

在下載模型或容器通信過程中，可能會遇到網(wǎng)絡(luò)不穩(wěn)定的情況。解決方法是檢查網(wǎng)絡(luò)連接，嘗試更換網(wǎng)絡(luò)環(huán)境或使用代理服務(wù)器。同時，ollama 和 docker 都提供了相關(guān)的網(wǎng)絡(luò)配置選項，可以根據(jù)實際情況進行調(diào)整。

（二）資源沖突

當(dāng)本地系統(tǒng)中已經(jīng)運行了其他占用端口或資源的服務(wù)時，可能會與 deepseek - r1 容器產(chǎn)生沖突。可以通過修改容器的端口映射或調(diào)整本地服務(wù)的配置，來避免資源沖突。

利用 ollama 和 docker 配置 deepseek - r1 實現(xiàn) DeepSeek 本機部署，為我們提供了一種高效、便捷且穩(wěn)定的部署方式。隨著人工智能技術(shù)的不斷發(fā)展，這種基于容器化和模型管理工具的部署方法，將在更多的應(yīng)用場景中發(fā)揮重要作用，推動大語言模型技術(shù)在本地開發(fā)和應(yīng)用中的普及。

總結(jié)

到此這篇關(guān)于DeepSeek本機部署詳細步驟的文章就介紹到這了,更多相關(guān)DeepSeek本機部署(Ollama和Docker）內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論