使用 LM Studio 部署

1. 硬件准备显卡：GTX 1060（6GB）及以上，推荐 RTX3060 及以上。内存：容量 8GB，推荐 16GB 及更高。存储空间：C 盘剩余 20GB，推荐使用 NVMe 固态硬盘。
2. 安装 LM Studio2访问LM Studio 官网，根据操作系统下载对应的安装包。如 Windows 用户点击 “Download LM Studio for Windows”，Mac 用户点击相应的 Mac 版本下载。双击运行安装包，按照提示完成安装，安装完成后启动 LM Studio。
3. 下载 DeepSeek 模型2点击软件右下角的齿轮按钮，将语言设置为中文。点击软件左侧的放大镜按钮，进入大模型搜索界面，在搜索框中输入 “DeepSeek”，可搜索出多个 DeepSeek 的模型。选择适合自己硬件和需求的模型版本，如 1.5B 适合体验尝鲜，7B 适合普通内容创作及开发测试等。点击右下角的 “Download” 进行下载。
4. 加载并使用模型2下载完成后，回到软件主界面，在软件顶部点击选择模型，然后选中刚刚下载的模型，点击右下角的加载即可使用。

使用 Ollama 部署

1. 硬件准备DeepSeek-R1-1.5B：CPU 为 4 核以上，Intel/AMD 多核处理器；可选 4GB + 显存，如 GTX 1650；内存 8GB+；存储 3GB+。DeepSeek-R1-7B：CPU 为 8 核以上，现代多核 CPU；8GB + 显存，如 RTX 3070/4060；内存 16GB+；存储 8GB+。
2. 安装 OllamaWindows：访问Ollama 官网下载.msi 安装包，按照向导完成安装。macOS：下载.dmg 安装包，将 Ollama 拖入 “Applications” 目录。Linux：使用终端执行curl -sSL https://ollama.ai/install.sh | sh。
3. 下载并运行 DeepSeek 模型4打开命令提示符或终端，输入命令ollama run deepseek-r1:7b等，其中 7b 可根据需求替换为 1.5b、8b、14b 等其他版本。
4. 启动 Ollama 服务在命令提示符或终端中运行ollama serve，服务启动后，可以通过访问http://localhost:11434与模型进行交互。
5. 安装可视化界面（可选）可安装 Chatbox AI，访问Chatbox AI 官网下载安装。在 “设置” 中选择 “Ollama API”，即可连接本地模型开始使用。

在 Linux 系统中手动部署

1. 环境准备3操作系统：推荐 Ubuntu 20.04 及以上版本。Python 版本：安装 Python 3.8 及以上版本。GPU 支持：需要支持 CUDA 的 NVIDIA GPU，推荐显存 16GB 及以上。安装 CUDA 与 CUDNN：根据 NVIDIA GPU 型号和驱动版本，安装合适的 CUDA（11.2 及以上版本）和 CUDNN（8.1 及以上版本）。
2. 安装步骤3更新系统：sudo apt-get update。安装必要依赖：sudo apt-get install -y python3-pip python3-dev python3-venv git。创建并激活虚拟环境：python3 -m venv deepseek-env，source deepseek-env/bin/activate。安装 PyTorch：根据 CUDA 版本选择合适的 PyTorch 安装命令，如 CUDA 11.2 的安装命令为pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu112。
3. DeepSeek 模型下载与部署33克隆 DeepSeek 代码库：git clone https://github.com/deepseek-ai/deepseek.git，cd deepseek。安装项目依赖：pip install -r requirements.txt。下载并放置预训练模型：从官方提供的链接下载 DeepSeek 预训练模型权重，并将其放置在models/目录下，如wget (官方链接) -O models/deepseek_model.pth。配置环境变量：export MODEL_PATH=models/deepseek_model.pth，export CUDA_VISIBLE_DEVICES=0。运行模型：python run.py --model_path $MODEL_PATH --input "你的输入文本"。