一、DeepSeek R1 简介DeepSeek R1 是一款开源 AI 模型其性能可与 OpenAI 的 GPT-4 和 Claude 3.5 Sonnet 等顶级模型媲美尤其在数学、编程和推理等任务上表现出色。最重要的是它是免费、私密的可以在本地硬件上离线运行。DeepSeek R1 提供多个参数规模的版本从轻量级的 1.5B 参数模型到高性能的 70B 版本。它基于 Qwen 7B 架构的精简优化版本既保持强大性能又具备更高的计算效率。其主要亮点包括- 完全开源可自由使用。- 支持本地运行无需依赖云服务器。- 数据完全可控确保隐私安全。二、为什么选择本地部署本地运行 AI 模型有以下优势隐私保障所有数据均存储在本地避免敏感信息泄露。零额外成本DeepSeek R1 免费运行无需订阅或额外费用。完全控制可以进行微调和本地优化无需外部依赖。三、硬件要求四、安装步骤步骤 1安装 OllamaOllama 是一款本地 AI 运行工具可帮助用户轻松运行 DeepSeek R1。下载地址https://ollama.com/download安装完成后Ollama 提供了在终端直接运行 AI 模型的功能。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(width600, height600) 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, aligncenter, 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}, aligncenter, 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}, aligncenter, font(Arial, 24, normal)) time.sleep(0.1)运行这个程序前需要确保1. 已安装 Python 环境2. 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1. 简单的图形界面2. 分数统计功能3. 碰撞检测4. 蛇身自动增长机制5. 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。现在就开始探索吧如何系统的去学习大模型LLM 大模型时代火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业”“谁的饭碗又将不保了”等问题热议不断。事实上抢你饭碗的不是AI而是会利用AI的人。继科大讯飞、阿里、华为等巨头公司发布AI产品后很多中小企业也陆续进场超高年薪挖掘AI大模型人才如今大厂老板们也更倾向于会AI的人普通程序员还有应对的机会吗与其焦虑……不如成为「掌握AI工具的技术人」毕竟AI时代谁先尝试谁就能占得先机但是LLM相关的内容很多现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学学习成本和门槛很高。针对所有自学遇到困难的同学们我帮大家系统梳理大模型学习脉络将这份LLM大模型资料分享出来包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等一、LLM大模型经典书籍AI大模型已经成为了当今科技领域的一大热点那以下这些大模型书籍就是非常不错的学习资源。二、640套LLM大模型报告合集这套包含640份报告的合集涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)三、LLM大模型系列视频教程四、LLM大模型开源教程LLaLA/Meta/chatglm/chatgptLLM大模型学习路线↓阶段1AI大模型时代的基础理解目标了解AI大模型的基本概念、发展历程和核心原理。内容L1.1 人工智能简述与大模型起源L1.2 大模型与通用人工智能L1.3 GPT模型的发展历程L1.4 模型工程L1.4.1 知识大模型L1.4.2 生产大模型L1.4.3 模型工程方法论L1.4.4 模型工程实践L1.5 GPT应用案例阶段2AI大模型API应用开发工程目标掌握AI大模型API的使用和开发以及相关的编程技能。内容L2.1 API接口L2.1.1 OpenAI API接口L2.1.2 Python接口接入L2.1.3 BOT工具类框架L2.1.4 代码示例L2.2 Prompt框架L2.3 流水线工程L2.4 总结与展望阶段3AI大模型应用架构实践目标深入理解AI大模型的应用架构并能够进行私有化部署。内容L3.1 Agent模型框架L3.2 MetaGPTL3.3 ChatGLML3.4 LLAMAL3.5 其他大模型介绍阶段4AI大模型私有化部署目标掌握多种AI大模型的私有化部署包括多模态和特定领域模型。内容L4.1 模型私有化部署概述L4.2 模型私有化部署的关键技术L4.3 模型私有化部署的实施步骤L4.4 模型私有化部署的应用场景领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加
最全本地部署 DeepSeek R1 教程（适用于 Mac、Windows、Linux）
一、DeepSeek R1 简介DeepSeek R1 是一款开源 AI 模型其性能可与 OpenAI 的 GPT-4 和 Claude 3.5 Sonnet 等顶级模型媲美尤其在数学、编程和推理等任务上表现出色。最重要的是它是免费、私密的可以在本地硬件上离线运行。DeepSeek R1 提供多个参数规模的版本从轻量级的 1.5B 参数模型到高性能的 70B 版本。它基于 Qwen 7B 架构的精简优化版本既保持强大性能又具备更高的计算效率。其主要亮点包括- 完全开源可自由使用。- 支持本地运行无需依赖云服务器。- 数据完全可控确保隐私安全。二、为什么选择本地部署本地运行 AI 模型有以下优势隐私保障所有数据均存储在本地避免敏感信息泄露。零额外成本DeepSeek R1 免费运行无需订阅或额外费用。完全控制可以进行微调和本地优化无需外部依赖。三、硬件要求四、安装步骤步骤 1安装 OllamaOllama 是一款本地 AI 运行工具可帮助用户轻松运行 DeepSeek R1。下载地址https://ollama.com/download安装完成后Ollama 提供了在终端直接运行 AI 模型的功能。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(width600, height600) 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, aligncenter, 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}, aligncenter, 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}, aligncenter, font(Arial, 24, normal)) time.sleep(0.1)运行这个程序前需要确保1. 已安装 Python 环境2. 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1. 简单的图形界面2. 分数统计功能3. 碰撞检测4. 蛇身自动增长机制5. 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。现在就开始探索吧如何系统的去学习大模型LLM 大模型时代火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业”“谁的饭碗又将不保了”等问题热议不断。事实上抢你饭碗的不是AI而是会利用AI的人。继科大讯飞、阿里、华为等巨头公司发布AI产品后很多中小企业也陆续进场超高年薪挖掘AI大模型人才如今大厂老板们也更倾向于会AI的人普通程序员还有应对的机会吗与其焦虑……不如成为「掌握AI工具的技术人」毕竟AI时代谁先尝试谁就能占得先机但是LLM相关的内容很多现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学学习成本和门槛很高。针对所有自学遇到困难的同学们我帮大家系统梳理大模型学习脉络将这份LLM大模型资料分享出来包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等一、LLM大模型经典书籍AI大模型已经成为了当今科技领域的一大热点那以下这些大模型书籍就是非常不错的学习资源。二、640套LLM大模型报告合集这套包含640份报告的合集涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)三、LLM大模型系列视频教程四、LLM大模型开源教程LLaLA/Meta/chatglm/chatgptLLM大模型学习路线↓阶段1AI大模型时代的基础理解目标了解AI大模型的基本概念、发展历程和核心原理。内容L1.1 人工智能简述与大模型起源L1.2 大模型与通用人工智能L1.3 GPT模型的发展历程L1.4 模型工程L1.4.1 知识大模型L1.4.2 生产大模型L1.4.3 模型工程方法论L1.4.4 模型工程实践L1.5 GPT应用案例阶段2AI大模型API应用开发工程目标掌握AI大模型API的使用和开发以及相关的编程技能。内容L2.1 API接口L2.1.1 OpenAI API接口L2.1.2 Python接口接入L2.1.3 BOT工具类框架L2.1.4 代码示例L2.2 Prompt框架L2.3 流水线工程L2.4 总结与展望阶段3AI大模型应用架构实践目标深入理解AI大模型的应用架构并能够进行私有化部署。内容L3.1 Agent模型框架L3.2 MetaGPTL3.3 ChatGLML3.4 LLAMAL3.5 其他大模型介绍阶段4AI大模型私有化部署目标掌握多种AI大模型的私有化部署包括多模态和特定领域模型。内容L4.1 模型私有化部署概述L4.2 模型私有化部署的关键技术L4.3 模型私有化部署的实施步骤L4.4 模型私有化部署的应用场景领取方式我会放在下面希望领取了的朋友不要忘了下方名片放心添加
