一、为什么选择本地安装DeepSeek？

DeepSeek作为一款开源的AI推理框架，其本地部署的优势在于隐私安全（数据不出本地）、定制化开发（自由调整模型参数）和无网络依赖（适合离线场景）。对于零基础用户而言，本地安装避免了云端服务的复杂权限配置，且D盘存储可减少系统盘压力，尤其适合数据量较大的模型训练场景。

二、安装前的准备工作

1. 硬件要求

• 操作系统：Windows 10/11（64位）或Linux（Ubuntu 20.04+推荐）
• CPU/GPU：至少4核CPU，若使用GPU加速需NVIDIA显卡（CUDA 11.x支持）
• 内存：8GB以上（推荐16GB）
• 磁盘空间：D盘预留至少50GB（模型文件较大）

2. 软件依赖

• Python环境：安装Python 3.8-3.10（通过官网下载，勾选“Add to PATH”）
  • 验证安装：命令行输入python --version，显示版本即成功。
• CUDA与cuDNN（GPU用户需配置）：
  • 从NVIDIA官网下载与显卡匹配的CUDA Toolkit（如CUDA 11.8）。
  • 下载对应版本的cuDNN（需注册NVIDIA开发者账号），解压后复制到CUDA安装目录（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8）。

3. 创建D盘专用文件夹

在D盘根目录新建DeepSeek文件夹，内部再创建models（存放模型文件）、data（输入数据）、output（输出结果）三个子文件夹，便于后续管理。

三、分步安装指南

步骤1：安装DeepSeek核心库

通过Python包管理工具pip安装官方库：

pip install deepseek-ai -i https://pypi.tuna.tsinghua.edu.cn/simple  # 使用清华镜像加速

若遇到权限问题，可添加--user参数安装到用户目录。

步骤2：下载预训练模型

DeepSeek提供多种规模的预训练模型（如7B、13B参数版本），推荐从官方GitHub仓库或Hugging Face下载：

# 示例：下载7B模型到D盘models文件夹
git lfs install  # 启用Git大文件支持
cd D:\DeepSeek\models
git clone https://huggingface.co/deepseek-ai/deepseek-7b .

注：模型文件较大（约14GB），需确保网络稳定。

步骤3：配置环境变量（GPU用户）

若使用GPU，需设置CUDA路径：

1. 右键“此电脑”→“属性”→“高级系统设置”→“环境变量”。
2. 在“系统变量”中新建变量CUDA_PATH，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8。
3. 在Path变量中添加%CUDA_PATH%\bin和%CUDA_PATH%\libnvvp。

步骤4：启动DeepSeek服务

进入DeepSeek安装目录，运行启动脚本：

cd D:\DeepSeek
python -m deepseek.server --model_path D:\DeepSeek\models\deepseek-7b --port 8000

参数说明：

• --model_path：指定模型文件路径。
• --port：设置服务端口（默认8000）。
• --device：可选cpu或cuda（GPU加速）。

四、验证安装成功

1. 访问Web界面

打开浏览器输入http://localhost:8000，若看到API文档页面，说明服务已启动。

2. 发送测试请求

使用Python发送简单请求验证：

import requests
url = "http://localhost:8000/v1/chat/completions"
headers = {"Content-Type": "application/json"}
data = {
    "model": "deepseek-7b",
    "messages": [{"role": "user", "content": "你好，DeepSeek！"}],
    "temperature": 0.7
}
response = requests.post(url, json=data, headers=headers)
print(response.json()["choices"][0]["message"]["content"])

若返回类似“你好！我是DeepSeek，有什么可以帮你的吗？”的回复，则安装成功。

五、常见问题解决方案

1. 依赖冲突

若安装时提示torch版本不兼容，可指定版本重装：

pip install torch==2.0.1 torchvision==0.15.2 -f https://download.pytorch.org/whl/cu118/torch_stable.html

2. GPU内存不足

降低batch_size参数或切换至CPU模式：

python -m deepseek.server --device cpu

3. 端口被占用

修改启动脚本中的端口号（如8001），并确保防火墙允许该端口通信。

六、进阶优化建议

1. 模型量化：使用bitsandbytes库将模型量化为4/8位，减少显存占用（需修改启动参数--load_in_8bit）。
2. 日志管理：在启动脚本中添加--log_path D:\DeepSeek\logs，便于排查问题。
3. 自动启动：创建批处理文件（.bat）并添加到Windows启动文件夹，实现开机自启。

七、总结

通过本文的步骤，零基础用户也能在D盘完成DeepSeek的本地部署。关键点在于：

• 提前规划磁盘空间与文件夹结构；
• 严格按顺序安装依赖（Python→CUDA→模型）；
• 通过测试请求验证功能。

遇到问题时，可优先检查环境变量、依赖版本和端口占用情况。本地部署后，用户可自由探索模型微调、API开发等高级功能，真正实现AI技术的自主掌控。