部署环境
- CPU：i9-13900K, 32内核
- GPU：NVIDIA RTX 4090 24GB
- 运行内存：32GB*4
- 硬盘：SSD 1TB*2
- 操作系统：Ubuntu 20.04 LTS
Ollama
Ollama是一个开源工具，专门用于在本地运行、管理和部署大型语言模型（LLMs，Large Language Models）。它简化了LLMs的安装、配置和运行流程，支持多种流行的开源模型（如 LLaMA、Mistral、DeepSeek等），适合开发者和研究人员在本地环境中快速实验和开发。
安装Ollama
- Ollama的官网地址：Ollama，可以先尝试一下直接从官网下载适合自己本地环境的版本，Linux、Windows和MacOS都有相应的支持。
- 若网络环境不佳，可考虑直接在GitHub仓库中下载对应环境的安装包，然后进行安装。
- 安装完成后，启动Ollama：
ollama serve - 启动一个新的终端，确认 Ollama 正在运行：
ollama -v - Ollama相关技术文档：Ollama Docs
设置Ollama远程访问
暂停ollama服务：
sudo systemctl stop ollama修改配置文件：
sudo nano /etc/systemd/system/ollama.service，在配置文件的[Service]下如下语句：Environment="OLLAMA_HOST=0.0.0.0" Environment="OLLAMA_ORIGINS=*"修改同步：
sudo systemctl daemon-reload重启Ollama：
sudo systemctl restart ollama，然后在本地配置一个远程的ip地址和相应端口就可以进行访问了
下载和运行DeepSeek R1模型
- DeepSeek R1模型分为两种：
- 完整模型
- 蒸馏模型
- 完整模型
下载DeepSeek R1模型
下载DeepSeek R1模型有两种方法：一种是使用Ollama拉取的操作直接下载模型，另一种是从HuggingFace、modelscope等模型网站上下载GGUF格式模型，然后使用ollama进行模型构建。
IMPORTANT经过测试发现，gguf模型运行时回答存在问题，但直接通过ollama下载官方模型运行则无问题。因此建议使用Ollama拉取的操作进行下载。
方式一：使用Ollama拉取的操作进行模型下载(⭐推荐)
- 访问Ollama官方的模型库中的DeepSeek-R1，根据本地硬件条件选择合适的版本(Note: 下方表格内容源于网络)。
| 标准参考规格 | 典型应用场景 | CPU 推荐 | GPU 推荐 | 内存 (RAM) 推荐 | 适用场景 |
|---|---|---|---|---|---|
| 1.5b (15 亿) | 小型进阶理、教育训练 | 4核以上 (Intel i5 / AMD Ryzen 5) | 可选、入门级 GPU（如NVIDIA GTX 1650，4GB显存） | 8GB | 小型 NLP、文本分类、文本分析 |
| 7b (70亿) | 中型模型、推理任务 | 6核以上 (Intel i7 / AMD Ryzen 7) | 中端 GPU（如NVIDIA RTX 3060，12GB显存） | 16GB | 中型 NLP、文本分类、文本分析 |
| 14b (140亿) | 中大型模型、复杂推理任务 | 8核以上 (Intel i9+ / AMD Ryzen 9) | 高端 GPU（如NVIDIA RTX 3090，24GB显存） | 32GB | 高端 NLP、多语种训练、文献分析 |
| 32b (320亿) | 大型模型、高精度任务 | 12核以上 (Intel Xeon / AMD Ryzen 9 / Threadripper) | 高端 GPU（如NVIDIA A100，40GB显存） | 64GB | 大型模型、高精度 NLP、文本生成 |
| 70b (700亿) | 超大型模型、推理、研究 | 16核以上 (Intel Xeon / AMD EPYC) | 专业级 GPU（如NVIDIA A100，80GB显存） | 128GB | 超大规模 NLP、企业级应用 |
| 671b (6710亿) | 超大规模训练、企业级任务 | 20核以上 (Intel Xeon / AMD EPYC / Intel Xeon) | 服务器级 GPU（如NVIDIA A100，100GB显存） | 256GB 或更高 | 超大规模 NLP、企业级平台 |
使用如下指令进行拉取：
ollama pull deepseek-r1:14b若拉取成功，结果如下所示：
ollama pull deepseek-r1:14b pulling manifest pulling 6e9f90f02bb3... 100% ▕██████████████████████████▏ 9.0 GB pulling 369ca498f347... 100% ▕██████████████████████████▏ 387 B pulling 6e4c38e1172f... 100% ▕██████████████████████████▏ 1.1 KB pulling f4d24e9138dd... 100% ▕██████████████████████████▏ 148 B pulling 3c24b0c80794... 100% ▕██████████████████████████▏ 488 B verifying sha256 digest writing manifest success启动模型：
ollama run deepseek-r1:14b
方式二：在HuggingFace上下载GGUF格式的模型
DeepSeek-R1官方模型地址：DeepSeek-R1
DeepSeek-R1 GGUF格式模型：DeepSeek-R1-GGUF
编写
Modelfile文件(模型配置文件)，下方为文件模板：# gguf模型文件路径 FROM .\DeepSeek-R1-Distill-Qwen-32B-Q4_K_M.gguf # 设定模型参数（可选） PARAMETER temperature 0.6 # 模型模板配置 TEMPLATE """{{- if .System }}{{ .System }}{{ end }} {{- range $i, $_ := .Messages }} {{- $last := eq (len (slice $.Messages $i)) 1}} {{- if eq .Role "user" }} user: {{ .Content }} {{- else if eq .Role "assistant" }} assistant: {{ .Content }}{{- if not $last }} {{- end }} {{- end }} {{- if and $last (ne .Role "assistant") }} {{- end }} {{- end }}""" PARAMETER stop "<｜begin▁of▁sentence｜>" PARAMETER stop "<｜end▁of▁sentence｜>" PARAMETER stop "<｜User｜>" PARAMETER stop "<｜Assistant｜>"使用ollama构建模型
- 在命令行中切换到gguf模型所在目录
- 输入命令
ollama create deepseek-r1-32B -f .\Modelfile - 构建完成后，使用
ollama list命令查看模型列表，若出现deepseek-r1-32B字样，则表示构建成功。
启动模型：
ollama run deepseek-r1-32B
部署open-webui
- 使用conda安装Python3.11
# 创建虚拟环境
conda create -n deepseek_webui python=3.11
# 激活虚拟环境
conda activate deepseek_webui
# 查看Python版本
python --version
- 更换pip源：
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ - 安装open-webui：
pip install open-webui - 启动open-webui：
open-webui serve，当看到如下界面，说明启动成功了
- 访问open-webui：
http://localhost:8080/，会看到如下界面，接下来注册账号，登录即可
NOTE⭐第一次启动 Open-WebUI 可能会比较慢，原因是它默认会连接OpenAI的API。为了提高后续使用的响应速度，建议在首次登录后进入设置界面，关闭与OpenAI API连接的功能。
