使用 ollama 在 windows 系统本地部署 deepseek r1 模型

前言

很大一部分人在使用 deepseek 的时候会遇到服务器繁忙的情况，或者说很多人都想用自己的电脑跑 deepseek。

那么怎么解决呢？

这时候，我们的 ollama 就派上用场了。

如何部署？

首先，我们要去下载 ollama。官网链接

进去之后可以看到这样的界面：

先点击蓝箭头指的 Download 进行下载，然后进红箭头指的 deepseek-R1 来看看怎么回事。

你可以看到，这里有不同训练程度的 deepseek。（如 1.5b 7b 8b…）

b 代表 Billion（十亿）意思是训练量，量越大越智能。相应的配置要求就越高。

这里给大家列举一下场景（部分参考这篇博客）：

1. DeepSeek-R1-1.5B
   CPU：4 核
   运行内存: 8GB 上下
   场景:
   家用
   轻度实时文本生成
   嵌入式系统或物联网设备

2. DeepSeek-R1-7B
   CPU: 6 核
   运行内存: 8GB 上下
   显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
   场景:
   家用
   本地开发测试
   中等复杂度的文本摘要、翻译等任务
   轻量级多轮对话系统

3. DeepSeek-R1-8B
   硬件需求: 与 7B 相近，略高一点点
   场景也与 7B 类似。

4. DeepSeek-R1-14B
   CPU: 8 核以上
   运行内存: 16GB+
   显卡: 16GB+ 显存
   场景:
   复杂任务（合同分析、报告生成）
   长文本理解与生成

5. DeepSeek-R1-32B
   CPU: 16 核以上
   内存: 32GB
   显卡: 24GB+
   场景:
   高精度专业领域任务（医疗/法律咨询）
   多模态任务预处理（需结合其他框架）

6. DeepSeek-R1-70B
   CPU: 32 核以上（服务器级 CPU）
   内存: 64GB+
   硬盘: 70GB+
   显卡: A100？
   场景:
   科研机构/大型企业（金融预测、大规模数据分析）
   高复杂度生成任务（创意写作、算法设计）

7. DeepSeek-R1-671B
   CPU: 64 核以上（服务器集群）
   内存: 512GB+
   硬盘: 300GB+
   显卡: 多节点分布式训练
   场景:
   国家级/超大规模 AI 研究（如气候建模、基因组分析）
   通用人工智能（AGI）探索

一般来说，1.5b 7b 8b 足矣。

回到 ollama，下载界面直接点 Install 就可以了。

（歪嘴小羊驼可爱捏）

下载完毕之后，我们打开 cmd，输入 ollama 就会出来一堆东西：

这里我们要用到 run 这个指令来执行一下我们刚刚选好的 deepseek-R1（这里用 7b 演示）。

这样它就会自动帮我们下载，下载好之后又会自动运行。

到这里就算安装完成了，然后就可以直接向它问问题。

后续如何使用？

直接用刚刚那条指令即可在后续使用。

就这样，按下回车即可与 AI 聊天。

性能测试

给大家看一下运行效果。

CPU 有点烧啊！

附上 deepseek 给出的代码：

#include <windows.h>
#include <messagebar.h> // 如果有消息框库的话，可以用更简洁的方式实现提示音效果
#include <directx.h>   // 如果需要更高级的功能，可以考虑使用 DirectX#define _USE_MATH_DEFINES
#include <cmath>// 全局变量 declarations
static unsigned int width = 800;
static unsigned int height = 600;
static unsigned int foods = 20