DeepSeek部署

前言

随着DeepSeek的性能提升，AI大模型的热度逐渐攀升，出现在大众的视野。为了不被时代浪潮冲走，紧跟步伐，学习AI大模型的运用，目前所学习了解的模型有两种，一种为DeepSeek模型，一种为YoLo模型，毕竟目前在工业市面上较为成熟的应用就是视觉检测这块了。

一、DeepSeek是什么？

DeepSeek是一个面向客户的拥有6710亿参数规模的人工智能，目前最火的分为DeepSeek-v3模型(指令模型)和DeepSeek-r1模型(推理模型)两种。

二、部署方式

1.API + DeepSeek服务器

在官网上点击API开放平台，创建API Keys，可通过下载github上有的客户端软件进行查看，但需在设置里将创建好的API Keys复制上来，当然官网上有提供了API通过代码调用。这是收费的。

2. API + 第三方服务器

操作跟上述类似，以阿里云为例，可进入阿里云百炼控制台，在模型广场找到DeepSeek模型，点击查看我的API-KEY来创建，点击API示例，有写如何通过代码使用。这也是要收费的。

3.将模型部署到本地电脑或服务器上

通过Ollama(哦拉玛)开源工具，搜索想要的AI模型，复制相应的运行指令，通过命令行输入该指令，会自动下载模型，下载完后会以命令行形式出现对话框，即完成部署。如您解决不好看，可下载可视化工具，来运用模型(目前运用的是AythingLLM软件查看)

如果运用该模型编写自己应用，可在GitHub上找到Ollama的OpenAI API文档（当前实现是使用Python版本，github也有JS版本）

运用示例代码

from openai import OpenAI

client = OpenAI(
	#部署ollama的电脑IP，直接用就行
    base_url='http://localhost:11434/v1/',

    # 可以自己定义
    api_key='ollama',
)

chat_completion = client.chat.completions.create(
    messages=[
        {
            'role': 'user',
            #输入内容
            'content': 'Say this is a test',
        }
    ],
    #使用的模型
    model='deepseek-r1:1.5b',
)

print(chat_completion.choices[0].message.content)

结果显示

总结

目前DeepSeek模型API已掌握最基础的调用，也是成功的开始，希望能再接再厉，收获成果。