成功運行截圖
部署步驟
我們進入到ollama的官網：
Ollama?ollama.com/?編輯
找到上方的Models ，然后點擊
此時會跳轉到模型列表頁面：
點擊?deepseek-r1?鏈接進去，此時我們會看到下拉框中有各個版本的大模型，越往后對電腦硬件的要求越高，如下圖所示：
模型參數（1.5B、7B、8B等）是什么意思？
這些數字代表模型的?參數量（比如1.5B=15億，7B=70億），你可以簡單理解為模型的“腦細胞數量”：
- 參數越多?→ 模型越聰明（能處理復雜任務，比如寫代碼、邏輯推理），但需要的計算資源也越多。
- 參數越少?→ 模型更輕量（反應快、適合簡單任務），但對復雜問題可能表現一般。
舉個例子：
- 1.5B 模型 ≈ 一個“高中生”水平（能聊天、寫短文）。
- 7B 模型 ≈ “大學生”水平（能寫代碼、分析問題）。
- 70B 模型 ≈ “教授”水平（專業級回答，但需要頂級顯卡）。
本地部署需要什么電腦配置？
運行模型主要依賴?內存（RAM）?和?顯卡（GPU），具體需求如下：
最低配置（能跑，但可能慢）
1.5B 模型：
-
- CPU：4核（Intel/AMD均可）
- 內存：8GB
- 顯卡：可選（無GPU也能跑，用CPU）
- 硬盤：5GB空間（存儲模型）
7B~8B 模型：
-
- CPU：4核以上
- 內存：16GB（必須！）
- 顯卡：可選，但有GPU（如NVIDIA GTX 1060 6GB）會快很多
- 硬盤：15GB空間
流暢配置（推薦）
7B~8B 模型：
-
- 內存：32GB（避免卡頓）
- 顯卡：NVIDIA RTX 3060（12GB顯存）或更高
- 硬盤：SSD（加快加載速度）
13B+ 模型：
-
- 需要高端顯卡（如RTX 4090 24GB顯存）或專業級設備。
根據上面的參考， 我們就安裝8B， 也就是80億參數。然后點擊右邊的復制，就會復制安裝命令。
打開cmd， 粘貼上面復制的命令， 等待下載。
此時我們的模型下載目錄就會多出文件：
等了很久，如果出現了 “unable to allocate CUDA0 buffer” ， 表示你的GPU內存不足。
然后運行 “nvidia-smi”， 查看 占用GPU的進程，然后全部關掉。
然后重新運行 “ollama run deepseek-r1:8b” ， 還是不行的話， 就用1.5B參數的吧！
我這里已經成功了：
