最近最火的莫过于deepseek，听说deepseek的老板仅用了300万美元就干了openai几亿美元干成的事，国内外一片哗然。然而好景不长，人怕出名猪怕壮，deepseek的大火惹来了大量的攻击，当然也有可能是人数骤然增多，服务器带不动。现在问deepseek容易出现大量服务器繁忙的提示。
那么我们是不是可以自己搭一个？？
Ollama
ollama是一款大模型工具，它让你更好，更迅速的使用大模型。
目前支持windows平台，支持linux平台以及macOS。传送门
linux服务器可以直接运行命令：
curl -fsSL https://ollama.com/install.sh | sh
如果是windows我们可以下载到本地。
下载后安装，并执行。然后打开
deepseek
关于DeepSeek
deepseek有四个模型：
11、R1模型，R1分为1.5b、7b、8b、14b、32b、70b和671b。1.5B、7B、8B、14B、32B、70B是蒸馏后的小模型，671B是基础大模型，它们的区别主要体现在参数规模、模型容量、性能表现、准确性、训练成本、推理成本上。
2、V1
3、V2
4、V3
全量模型671b需要两张24G的N卡。
有关配置需求如下
1. DeepSeek-R1-1.5B
CPU: 最低 4 核（推荐 Intel/AMD 多核处理器）
内存: 8GB+
硬盘: 3GB+ 存储空间（模型文件约 1.5-2GB）
显卡: 非必需（纯 CPU 推理），若 GPU 加速可选 4GB+ 显存（如 GTX 1650）
场景:低资源设备部署（如树莓派、旧款笔记本）
实时文本生成（聊天机器人、简单问答）
嵌入式系统或物联网设备
2. DeepSeek-R1-7B
CPU: 8 核以上（推荐现代多核 CPU）
内存: 16GB+
硬盘: 8GB+（模型文件约 4-5GB）
显卡: 推荐 8GB+ 显存（如 RTX 3070/4060）
场景:本地开发测试（中小型企业）
中等复杂度 NLP 任务（文本摘要、翻译）
轻量级多轮对话系统
3. DeepSeek-R1-8B
硬件需求: 与 7B 相近，略高 10-20%
场景:需更高精度的轻量级任务（如代码生成、逻辑推理）
4. DeepSeek-R1-14B
CPU: 12 核以上
内存: 32GB+
硬盘: 15GB+
显卡: 16GB+ 显存（如 RTX 4090 或 A5000）
场景:企业级复杂任务（合同分析、报告生成）
长文本理解与生成（书籍/论文辅助写作）
5. DeepSeek-R1-32B
CPU: 16 核以上（如 AMD Ryzen 9 或 Intel i9）
内存: 64GB+
硬盘: 30GB+
显卡: 24GB+ 显存（如 A100 40GB 或双卡 RTX 3090）
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: 128GB+
硬盘: 70GB+
显卡: 多卡并行（如 2x A100 80GB 或 4x RTX 4090）
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（如 8x A100/H100）
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
安装步骤
如果我们已经安装好ollama以后，只需要运行下面的命令就可以静待好戏开场。
// deepseek-r1:8b 是需要根据自己的机器来调整的，最高的是671b，全量的deepseek，我这边机器是rtx2060，因此选择的是8b。
# ollama run deepseek-r1:8b
