- 工信部备案号 滇ICP备05000110号-1
- 滇公安备案 滇53010302000111
- 增值电信业务经营许可证 B1.B2-20181647、滇B1.B2-20190004
- 云南互联网协会理事单位
- 安全联盟认证网站身份V标记
- 域名注册服务机构许可:滇D3-20230001
- 代理域名注册服务机构:新网数码
欢迎来到蓝队云小课堂。
随着人工智能技术的飞速发展,大语言模型在自然语言处理、数据分析和智能应用开发等领域展现出了巨大的潜力。本文将详细介绍如何在本地内网环境中,借助Docker技术高效部署Ollama以及基于DeepSeek-R1蒸馏的六款子模型,助力开发者更好地利用这些强大的工具,提升开发效率和项目质量。
一、DeepSeek-R1模型概述
DeepSeek-R1是一款具有6710亿参数的超大型语言模型,其模型大小约为720GB。为了满足不同应用场景的需求,DeepSeek-R1还提供了六款蒸馏后的子模型,这些子模型在参数规模和模型大小上各有差异,具体如下:
DeepSeek-R1-Distill-Qwen-1.5B:参数规模为15亿,模型大小约4GB。
DeepSeek-R1-Distill-Qwen-7B:参数规模为70亿,模型大小约15GB。
DeepSeek-R1-Distill-Llama-8B:参数规模为80亿,模型大小约16GB。
DeepSeek-R1-Distill-Qwen-14B:参数规模为140亿,模型大小约30GB。DeepSeek-R1-Distill-Qwen-32B:参数规模为320亿,模型大小约75GB。
DeepSeek-R1-Distill-Llama-70B:参数规模为700亿,模型大小约140GB。
这些子模型不仅在性能上各有特点,还为个人和企业用户提供了多样化的选择,使得开发者可以根据自身需求灵活部署。
二、本地内网部署Ollama
(一)服务器配置要求
为了确保Ollama能够顺利运行并支持DeepSeek-R1大模型的部署,本地服务器需要满足以下配置要求:
操作系统:推荐使用Ubuntu 22.04,可从Ubuntu官方镜像下载地址获取。
内存:至少64GB,以确保模型运行时有足够的内存支持。
Python版本:推荐使用3.10.12或3.12.3,这两个版本均已通过测试。CUDA版本:12.4,用于支持GPU加速。
GPU驱动:NVIDIA-Linux-x86_64-550.142,确保GPU驱动与CUDA版本兼容。
GPU:推荐使用NVIDIA GeForce RTX 3090 24GB × 2,以满足模型对计算资源的需求。
(二)Ollama镜像的下载与加载
在一台能够联网的服务器上,通过以下命令下载Ollama镜像,并将其导出为.tar文件:
docker pull ollama
docker images
docker save -o ollama-latest.tar ollama/ollama:latest
将下载好的镜像文件传输到本地内网环境中后,使用以下命令加载Ollama镜像:
docker load < ollama-latest.tar
(三)启动Ollama容器
启动Ollama容器时,需要指定相关参数以确保其能够充分利用本地资源并正常运行。以下是推荐的命令:
docker run -d --privileged --gpus all --restart always -e OLLAMA_SCHED_SPREAD=1 -v /data/ollama:/root/.ollama -p 8003:11434 --shm-size 12G --name ollama ollama/ollama
其中,-v /data/ollama:/root/.ollama表示将容器内的/root/.ollama目录挂载到宿主机的/data/ollama目录,用户需根据实际情况填写正确的目录路径。
(四)进入Ollama容器
通过以下命令进入Ollama容器:
docker exec -it ollama bash
进入容器后,用户可以执行相关命令进行模型管理和服务管理。
(五)Ollama常用命令
Ollama提供了丰富的命令,方便用户进行模型管理和服务管理等操作。以下是一些常用命令:
模型管理类
ollama run <model>:下载并运行指定模型,例如ollama run llama2会自动下载并启动LLaMA 2模型。
ollama pull <model>:仅下载模型而不运行,例如ollama pull mistral。
ollama list:查看本地已有的模型列表。
ollama rm <model>:删除指定模型,例如ollama rm llama2。
ollama cp <source_model> <destination_model>:复制模型,例如ollama cp llama3 my-model。
ollama push <model>:将模型推送到注册仓库。
ollama create <model_name> -f <Modelfile>:从Modelfile创建模型,例如ollama create my-model -f Modelfile。
服务管理类
ollama serve:启动Ollama服务。
ollama ps:列出正在运行的模型。
其他
ollama show <model>:显示指定模型的信息。
ollama help:获取关于任何命令的帮助。
这些命令能够帮助用户更加便捷地管理和使用Ollama模型,充分发挥其在本地内网环境中的优势。
三、本地内网部署DeepSeek-R1大模型
(一)获取DeepSeek-R1模型地址
在部署DeepSeek-R1大模型之前,需前往Ollama官网查看其模型地址,具体地址为:https://www.landui.com/library/deepseek-r1:14b。
(二)安装并启动DeepSeek-R1:14B模型
通过以下命令安装并启动DeepSeek-R1:14B模型:
ollama run deepseek-r1:14b
该命令的执行时间取决于网络状况,可能需要等待一段时间。下载完成后,DeepSeek-R1大模型将成功启动。
(三)查看已启动模型
为了确认模型是否已成功启动,可以执行以下命令查看已启动的模型:
ollama list
当看到DeepSeek-R1模型出现在列表中时,便意味着Ollama已成功启动该模型,本地内网部署工作至此圆满完成。
通过上述详细的步骤,开发者可以在本地内网环境中顺利部署Ollama及DeepSeek-R1大模型,进而充分利用这些强大工具为自身项目赋能。无论是企业级应用开发、大模型应用开发还是AI应用开发,这些技术都将为开发者带来更高的效率和更强大的功能支持。希望本文的介绍能够帮助更多开发者快速上手,开启高效开发之旅。
蓝队云官网上拥有完善的技术支持库可供参考,大家可自行查阅,更多技术问题,可以直接咨询。同时,蓝队云整理了运维必备的工具包免费分享给大家使用,需要的朋友可以直接咨询。
售前咨询
售后咨询
备案咨询
二维码
TOP