普通笔记本Windows私有化部署DeepSeek模型

本文描述普通笔记本(集成显卡)上安装和运行DeespSeek模型的方法。最终效果如图


image.png

安装步骤

安装Ollama

访问Ollama主页,点击下载 -> Download For Windows,下载并安装。
安装完毕后打开windows命令行cmd

# 检查ollama版本
> ollama --version
ollama version is 0.5.7
# 检查已经安装的模型,默认是空
>ollama list
NAME                  ID              SIZE      MODIFIED

确认安装成功

下载和运行模型

# 启动模型,如果没有安装则会自动下载安装
ollama run deepseek-r1:1.5b
# 等待一定时间后显示以下界面表示运行成功
>>> Send a message (/? for help)
# 退出模型
>>> /bye

可以直接在命令行打字交互。
可以安装更多的模型。

#
>ollama list
NAME                  ID              SIZE      MODIFIED
deepseek-r1:7b        0a8c26691023    4.7 GB    42 minutes ago
deepseek-r1:32b       38056bbcbb2d    19 GB     55 minutes ago
deepseek-r1:14b       ea35dfe18182    9.0 GB    2 hours ago
deepseek-r1:latest    0a8c26691023    4.7 GB    3 hours ago
deepseek-r1:1.5b      a42b25d8c10a    1.1 GB    4 hours ago

修改模型存储位置(可选)

默认模型存在 C:\Users\XXX\.ollama\models,如果要修改模型存储的位置。
在电脑环境变量中新建变量
OLLAMA_MODELS = D:\XXXX
改变后重启电脑,注意一定要重启电脑才能生效

image.png

模型实测比较

以本人笔记本 R7 4750+32G内存,实测模型占用的内存和性能大概如下:

模型 内存占用 速度
1.5b 1~2 GB 较快,与线上模型相似
7b 4~5 GB 每秒5-8词
14b ~10 GB 每秒2-3词
32b ~20GB 每秒1词

回答质量上,1.5b的模型在回答国内冷门区域的旅游景点时会胡编乱造,7b偶尔会中英夹杂但意思对,其余都可以较正确回答。

安装Docker

访问Docker wiki说明文档,下载 Docker Desktop for Windows - x86_64 并安装。
安装后,运行桌面的Docker Desktop

image.png

Docker中安装运行open-webui

在Docker中可以直接安装运行open-webui,因此不用额外独立安装

# 端口3000可修改为其他端口
> docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main
# 输出信息
Unable to find image 'ghcr.io/open-webui/open-webui:main' locally
main: Pulling from open-webui/open-webui
af302e5c37e9: Pull complete
...
aa537a9b900a: Pull complete
Digest: sha256:b2c83b5c7b9b244999307b4b1c0e195d41268f3d3a62b84b470c0cea5c5743fd
Status: Downloaded newer image for ghcr.io/open-webui/open-webui:main
a8750b9857788452e981249168dcc520fe5cea4c0d917e50b58c694aca214de4

# 查看当前运行的容器
> docker ps
# 输出信息
CONTAINER ID   IMAGE                                COMMAND                   CREATED          STATUS
 PORTS                    NAMES
a8750b985778   ghcr.io/open-webui/open-webui:main   "bash start.sh"           31 minutes ago   Up 31 minutes (healthy)   0.0.0.0:3000->8080/tcp   open-webui
839a434b163a   docker/welcome-to-docker:latest      "/docker-entrypoint.…"   47 minutes ago   Up 47 minutes
0.0.0.0:8088->80/tcp     welcome-to-docker

使用

浏览器打开
http://localhost:3000/
输入设置用户名密码

image.png

可以直接对话,左上角选择模型
image.png

相关资源链接

DeepSeek-R1 本地部署指南:Ollama 助你轻松实现,支持2G显卡
open-webui Github主页
open-webui wiki 说明文档
Docker wiki说明文档
Ollama主页

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,406评论 6 503
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,732评论 3 393
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,711评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,380评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,432评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,301评论 1 301
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,145评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,008评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,443评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,649评论 3 334
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,795评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,501评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,119评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,731评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,865评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,899评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,724评论 2 354

推荐阅读更多精彩内容