DeepSeekR1在Windows上的安装流程

Windows 上安装与运行 DeepSeek-R1 的完整流程
一 环境准备与版本选择

• 操作系统：Windows 10 或 Windows 11。
• 硬件建议：
• 入门体验：CPU 推理，内存≥8GB（推荐16GB+），存储≥20GB可用空间。
• 更流畅体验：NVIDIA 显卡（如 GTX 1060 6GB 及以上），显存≥8GB更稳。
• 模型规模与资源占用（按显存/内存与速度取舍）：
• 1.5B：约1–2GB；CPU 可跑，适合入门与低配。
• 8B：约5–8GB；建议8GB+ 显存或16GB+ 内存。
• 14B：约10–14GB；建议12GB+ 显存或32GB+ 内存。
• 32B：约20–24GB；建议16GB+ 显存（如 RTX 4080/3090 等）。
• 70B：约40–48GB；建议24GB+ 显存（如 RTX 4090 24GB 等）。
• 说明：模型越大，对显存/内存与磁盘空间要求越高，下载与运行时间也更长。

二 方案一 Ollama 一键安装与运行（推荐）

• 步骤 1 安装 Ollama
• 访问官网：https://ollama.com/，下载 Windows 安装包并双击安装。
• 安装完成后在命令行执行：ollama -v，出现版本号即表示安装成功。
• 步骤 2 拉取并运行模型
• 入门建议先跑小模型（示例为 1.5B）：
• 拉取：ollama pull deepseek-r1:1.5b
• 运行：ollama run deepseek-r1:1.5b
• 其他规格（按硬件选择）：deepseek-r1:8b、deepseek-r1:14b、deepseek-r1:32b、deepseek-r1:70b
• 查看本地模型：ollama list
• 步骤 3 图形界面客户端（可选）
• 安装 Chatbox（Windows 客户端），在设置中选择 Ollama API，API 主机填 http://127.0.0.1:11434，模型选 deepseek-r1:1.5b 即可使用。
• 步骤 4 常见问题与优化
• 命令行建议使用管理员权限运行，避免权限或路径问题。
• 下载慢可更换网络或在稳定网络环境下重试。
• 更改模型默认存储路径：设置环境变量 OLLAMA_MODELS 指向你的目录（如 D:OllamaModels）。

三 方案二 源码方式 Cherry Studio 集成（面向开发者）

• 适用场景：需要自定义推理、集成到自有应用或做二次开发。
• 步骤 1 环境准备
• Python 3.8–3.10、Git、CUDA Toolkit 11.7/11.8（如需 GPU 加速）。
• 验证：python --version、git --version、nvidia-smi（查看驱动与 CUDA）。
• 步骤 2 获取与安装
• 克隆与依赖：

git clone https://github.com/deepseek-ai/cherry-studio.git
cd cherry-studio
pip install -r requirements.txt

• 建议使用虚拟环境：

python -m venv cherry_env
.\cherry_env\Scripts\activate
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118
pip install transformers>=4.34.0

• 步骤 3 模型加载与优化
• 从 Hugging Face 获取模型（示例约25GB），本地路径如 C:modelsdeepseek-r1。
• 加载示例（按需调整精度/量化）：

from transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained(
"deepseek-ai/deepseek-r1",
device_map="auto",
torch_dtype=torch.float16,
load_in_4bit=True
)

• 步骤 4 启动与访问
• 启动 Web UI：

python app.py --model-path C:\models\deepseek-r1 --port 7860

• 浏览器访问 http://127.0.0.1:7860 使用。

四 快速对比与选型建议

选型建议：优先用 Ollama 快速上手；需要集成到自有系统或做性能/精度调优时，再选 Cherry Studio 源码方式。