使用 Ollama 轻松部署 DeepSeek-R1 系列模型：Windows, Linux, macOS, Android 全平台指南

DeepSeek-R1 系列模型以其卓越的性能和开源特性，吸引了众多开发者的关注。Ollama 作为一个轻量级的模型运行平台，使得部署和使用这些模型变得异常简单。本文将详细介绍如何在 Windows, Linux, macOS 以及 Android 平台上使用 Ollama 部署 DeepSeek-R1 系列模型，包括 DeepSeek-R1-Distill-Qwen-1.5B, DeepSeek-R1-Distill-Qwen-7B, DeepSeek-R1-Distill-Llama-8B, DeepSeek-R1-Distill-Qwen-14B, DeepSeek-R1-Distill-Qwen-32B 和 DeepSeek-R1-Distill-Llama-70B。针对低配置设备，我们也会重点介绍部署 DeepSeek-R1-Distill-Qwen-1.5B 模型。

为什么选择 Ollama？

简单易用: Ollama 简化了模型下载、安装和运行的复杂过程。
跨平台支持: Ollama 支持 Windows, Linux, macOS 和 Android 平台。
轻量级: Ollama 资源占用低，即使在配置较低的设备上也能流畅运行。
社区驱动: Ollama 拥有活跃的社区，提供丰富的模型和技术支持。

准备工作

在开始之前，请确保满足以下条件：

硬件要求: 根据所选模型的规模，需要足够的内存和磁盘空间。DeepSeek-R1-Distill-Qwen-1.5B 模型对硬件要求较低，适合低配置设备。
Ollama 安装包: 从 Ollama 官网下载对应平台的安装包： https://ollama.com/

第一部分：Ollama 安装

1. Windows 平台

下载 Windows 版本的 Ollama 安装包 (.exe 文件)。
双击安装包，按照提示完成安装。
安装完成后，在命令提示符或 PowerShell 中输入 ollama --version 验证安装是否成功。

2. Linux 平台

根据您的 Linux 发行版，使用以下命令安装 Ollama：
- Debian/Ubuntu:
  1
  curl -fsSL https://ollama.com/install.sh | sh
- 其他 Linux 发行版: 访问 Ollama 官网获取详细的安装指南。
安装完成后，在终端中输入 ollama --version 验证安装是否成功。

3. macOS 平台

下载 macOS 版本的 Ollama 安装包 (.dmg 文件)。
双击安装包，将 Ollama 拖拽到 “Applications” 文件夹。
打开终端，输入 ollama --version 验证安装是否成功。

4. Android 平台 (通过 Termux)**

Android 上的 Ollama 安装稍微复杂一些，需要借助 Termux 这个终端模拟器。

安装 Termux: 在 Google Play 商店搜索并安装 Termux。
安装必要的软件包: 打开 Termux，运行以下命令：
1
2
3
pkg update
pkg upgrade
pkg install wget curl proot-distro
安装 Ubuntu (或其他 Linux 发行版): 使用 proot-distro 安装一个 Linux 发行版，比如 Ubuntu:
1
proot-distro install ubuntu
进入 Ubuntu 环境:
1
proot-distro login ubuntu

在 Ubuntu 环境中安装 Ollama:

1	curl -fsSL https://ollama.com/install.sh \| sh

运行 Ollama: 在 Ubuntu 环境中，使用 ollama --version 验证安装。

第二部分：部署 DeepSeek-R1 模型

模型名称	硬件要求 (最低)	硬件要求 (推荐)	适用场景
DeepSeek-R1-Distill-Qwen-1.5B	CPU (4核), 4GB 内存	CPU (4核), 8GB 内存	低资源设备，快速原型开发，教育学习，简单文本生成/问答
DeepSeek-R1-Distill-Qwen-7B	GPU (RTX 3060), 16GB 显存, 16GB 内存	GPU (RTX 3060), 24GB 显存, 32GB 内存	中等配置设备，通用文本生成，代码生成，较复杂问答
DeepSeek-R1-Distill-Llama-8B	GPU (RTX 3060), 16GB 显存, 16GB 内存	GPU (RTX 3060), 24GB 显存, 32GB 内存	对 Llama 架构有偏好，特定数据集微调，文本摘要/信息提取
DeepSeek-R1-Distill-Qwen-14B	GPU (RTX 3090), 24GB 显存, 32GB 内存	GPU (RTX 3090), 48GB 显存, 64GB 内存	高性能设备，复杂创意写作，高级代码生成，多轮对话系统
DeepSeek-R1-Distill-Qwen-32B	GPU (A100), 48GB 显存, 64GB 内存	GPU (A100), 80GB 显存, 128GB 内存	顶级硬件设备，高度逼真文本生成，复杂推理/逻辑，科研学术
DeepSeek-R1-Distill-Llama-70B	多个 GPU (A100), 80GB 显存 (每个 GPU), 128GB 内存	多个 GPU (A100), 80GB 显存 (每个 GPU), 256GB 内存	极致性能需求，超长文本生成/复杂推理，前沿研究

表格使用说明:

模型名称: DeepSeek-R1 系列不同规模的模型名称。
硬件要求 (最低): 运行模型所需的最低硬件配置。如果低于这个配置，模型可能无法运行或性能严重下降。
硬件要求 (推荐): 获得较好性能体验的推荐硬件配置。在这个配置下，模型可以更流畅地运行，并获得更好的生成质量。
适用场景: 模型最适合的应用场景。

Ollama 简化了模型的部署过程，只需要一个简单的命令即可完成。

1. Windows, Linux, macOS 平台

打开终端或命令提示符，运行以下命令下载并运行对应的 DeepSeek-R1 模型：

DeepSeek-R1-Distill-Qwen-1.5B (适合低配置设备):
1
ollama run deepseek-r1:1.5b
DeepSeek-R1-Distill-Qwen-7B:
1
ollama run deepseek-r1:7b
DeepSeek-R1-Distill-Llama-8B:
1
ollama run deepseek-r1:8b
DeepSeek-R1-Distill-Qwen-14B:
1
ollama run deepseek-r1:14b
DeepSeek-R1-Distill-Qwen-32B:
1
ollama run deepseek-r1:32b
DeepSeek-R1-Distill-Llama-70B:
1
ollama run deepseek-r1:70b

Ollama 会自动下载模型文件，并启动一个交互式会话。您可以直接在终端中与模型进行对话。

2. Android 平台 (Termux)**

在 Termux 中的 Ubuntu 环境下，运行与上述相同的命令即可：

DeepSeek-R1-Distill-Qwen-1.5B (适合低配置设备):
1
ollama run deepseek-r1:1.5b
DeepSeek-R1-Distill-Qwen-7B:
1
ollama run deepseek-r1:7b
DeepSeek-R1-Distill-Llama-8B:
1
ollama run deepseek-r1:8b
DeepSeek-R1-Distill-Qwen-14B:
1
ollama run deepseek-r1:14b
DeepSeek-R1-Distill-Qwen-32B:
1
ollama run deepseek-r1:32b
DeepSeek-R1-Distill-Llama-70B:
1
ollama run deepseek-r1:70b

第三部分：使用 DeepSeek-R1 模型

模型下载完成后，Ollama 会启动一个交互式会话。您可以直接在终端中与模型进行对话。

例如，运行 ollama run deepseek-r1:1.5b 后，您会看到类似以下的提示：

>>>

现在，您可以输入您的问题或指令，然后按 Enter 键发送给模型。模型会生成相应的回复。

示例：

1 2	>>> 你好，你是谁？我是DeepSeek-R1-Distill-Qwen-1.5B，一个由DeepSeek公司开发的大型语言模型。

使用提示：

清晰明确的指令: 为了获得更好的结果，请使用清晰明确的指令。
上下文信息: 在对话中提供足够的上下文信息，有助于模型理解您的意图。
迭代优化: 根据模型的回复，不断调整您的指令，以获得更满意的结果。

第四部分：针对低配置设备的优化 (DeepSeek-R1-Distill-Qwen-1.5B)

如果您的设备配置较低，建议使用 deepseek-r1:1.5b 模型。此外，还可以尝试以下优化措施：

限制模型的内存使用: 可以通过 Ollama 的环境变量来限制模型的内存使用。具体方法请参考 Ollama 的官方文档。
关闭不必要的后台程序: 关闭不必要的后台程序，释放更多的系统资源给 Ollama。
选择合适的量化版本: Ollama 支持不同量化版本的模型。选择较低的量化版本可以降低内存占用和提高运行速度，但可能会牺牲一定的精度。

第五部分：常见问题解答

模型下载速度慢: 模型文件较大，下载速度可能较慢。请确保网络连接稳定，或者尝试使用代理。
Ollama 运行出错: 查看 Ollama 的日志文件，了解错误信息。常见错误包括内存不足、端口冲突等。
模型回复不准确: 大型语言模型可能会出现幻觉，生成不准确或不符合事实的回复。请谨慎对待模型的回复，并进行验证。

总结

本文详细介绍了如何在 Windows, Linux, macOS 和 Android 平台上使用 Ollama 部署 DeepSeek-R1 系列模型。无论您是开发者还是 AI 爱好者，都可以通过 Ollama 轻松体验 DeepSeek-R1 模型的强大功能。针对低配置设备，DeepSeek-R1-Distill-Qwen-1.5B 模型是一个不错的选择。希望本文能够帮助您顺利部署和使用 DeepSeek-R1 模型！

PW0N's Blog

Windows、Mac、Linux本地部署deepseek教程