使用宝塔面板部署一个属于自己的 DeepSeek

前提条件

  • 已安装宝塔面板

操作步骤

DeepSeek 可以使用CPU进行推理,但是推荐使用NVIDIA GPU加速,文末将介绍如何使用NVIDIA GPU加速。

登录宝塔面板,点击左侧菜单栏中的Docker,进入Docker容器管理界面。
Docker

首次使用Docker需要先安装Docker,点击安装
安装Docker

在Docker-应用商店-AI/大模型分类中找到Ollama,点击安装
安装Ollama

配置默认即可,点击确定
配置Ollama

等待安装完成,状态变为运行中
运行中如您需要使用NVIDIA GPU加速,请参考文末的使用NVIDIA GPU加速配置完成后再继续。

宝塔面板-Docker-容器界面中找到Ollama容器,点击终端
终端

在弹出shell类型选择bash,点击确认
选择bash

在终端界面中输入ollama run deepseek-r1:1.5b,回车运行DeepSeek-R1模型。
运行DeepSeek-R1DeepSeek-R1模型有多个版本,可以根据需要选择不同版本,例如ollama run deepseek-r1:671b,详情如下(模型参数越大,需要配置越高):

# DeepSeek-R1
ollama run deepseek-r1:671b
# DeepSeek-R1-Distill-Qwen-1.5B
ollama run deepseek-r1:1.5b
# DeepSeek-R1-Distill-Qwen-7B
ollama run deepseek-r1:7b
# DeepSeek-R1-Distill-Llama-8B
ollama run deepseek-r1:8b
# DeepSeek-R1-Distill-Qwen-14B
ollama run deepseek-r1:14b
# DeepSeek-R1-Distill-Qwen-32B
ollama run deepseek-r1:32b
# DeepSeek-R1-Distill-Llama-70B
ollama run deepseek-r1:70b

等待下载并运行,当看到如下提示表示DeepSeek-R1模型运行成功。
运行成功

你可以在界面中输入文本并回车,开启与DeepSeek-R1模型的对话。
对话

你可以在界面中输入/bye并回车,退出DeepSeek-R1模型。在终端内对话看起来是不是有点麻瓜?别担心,接下来让我们来安装OpenWebUI,在浏览器中更直观地与DeepSeek-R1模型对话

宝塔面板-Docker-容器界面中找到Ollama容器,点击Ollama右侧的管理,进入容器管理界面,获取容器IP,保存备用。
容器IP

在宝塔面板Docker-应用商店-AI/大模型分类中找到OpenWebUI,点击安装
安装OpenWebUI

按一下说明,配置相关信息,点击确定

  • web端口:访问OpenWebUI的端口,默认为3000,根据需要自行修改
  • ollama地址:填写http://刚刚获取的Ollama容器IP:11434,例如http://172.18.0.2:11434
  • WebUI Secret Key:用于 API 访问的密钥,可以自定义,例如123456
    其他配置默认即可
配置OpenWebUI

配置完点击确认,等待安装完成,状态变为运行中。由于OpenWebUI启动后需要加载相关服务,请在状态变为运行中后等待5-10分钟再访问。

在浏览器中输入http://服务器IP:3000,例如http://43.160.xxx.xxx:3000,进入OpenWebUI界面。请在访问前确保云厂商服务器防火墙已放行3000端口,可以在云厂商控制台中设置。 OpenWebUI

点击开始使用,设置管理员相关信息,并点击创建管理员账号
创建管理员账号

创建完成后会自动进入管理界面,现在你可以在浏览器中更直观地与DeepSeek-R1模型对话了。
对话
对话

你可以在左上角切换模型,选择不同模型进行对话,也可以在左侧菜单栏中查看历史对话记录。

你可以在右上角点击头像,进入管理员面板,在设置-模型中查看当前模型列表,或添加新模型。

使用NVIDIA GPU加速

DeepSeek 可以使用NVIDIA GPU加速,提高推理速度,下面将介绍如何在宝塔面板中使用NVIDIA GPU加速。

前提条件

  • 服务器已安装NVIDIA GPU驱动

操作步骤

  1. 点击左侧导航栏中的终端,进入终端界面。
    终端
  2. 在终端界面中输入nvidia-smi,回车查看NVIDIA GPU信息。
    nvidia-smi 如果提示nvidia-smi: command not found,请先安装NVIDIA GPU驱动。
  3. 安装NVIDIA Container Toolkit,以便于Docker容器访问NVIDIA GPU,安装教程请参考NVIDIA Container Toolkit官方文档
  4. 安装完成后,运行如下命令,配置docker支持使用NVIDIA GPU。
sudo nvidia-ctk runtime configure –runtime=docker
sudo systemctl restart docker

配置完成后,执行如下命令,验证docker是否支持NVIDIA GPU。

sudo docker run –rm –runtime=nvidia –gpus all ubuntu nvidia-smi

如果输出如下信息表示配置成功:
nvidia-smi

宝塔面板-Docker-应用商店-已安装中找到Ollama,点击文件夹图标进入安装目录。
安装目录

在安装目录中找到docker-compose.yml文件,双击编辑
编辑docker-compose.yml

docker-compose.yml文件中找到resources,回车换行,添加如下内容:

reservations:
          devices:
            - capabilities: [gpu]

完整示例如下:

services:
  ollama_SJ7G:
    image: ollama/ollama:${VERSION}
    deploy:
      resources:
        limits:
          cpus: ${CPUS}
          memory: ${MEMORY_LIMIT}
        reservations:
          devices:
            - capabilities: [gpu]
    restart: unless-stopped
    tty: true
    ports:
      - ${HOST_IP}:${OLLAMA_PORT}:11434
    volumes:
      - ${APP_PATH}/data:/root/.ollama
    labels:
      createdBy: "bt_apps"
    networks:
      - baota_net
    runtime: nvidia

networks:
  baota_net:
    external: true

保存文件,返回宝塔面板-Docker-应用商店-已安装界面,点击重建。 重建将导致容器数据丢失,重建后需要重新添加模型。 重建

等待重建完成,状态变为运行中,至此即可使用NVIDIA GPU加速大模型运行。

结语

🎉叮!恭喜你成功完成”从零到赛博巫师”的究极进化!此刻你的服务器已经不是那个只会404的憨憨铁盒子了——它正在用奥术能量解析人类语言,用二进制吞吐哲学思辨,甚至可能偷偷用你的GPU算力给自己起了个二次元名字。

回头看看这场冒险:宝塔面板是你挥动的魔杖,Ollama是召唤AI神兽的精灵球,OpenWebUI则是那个让麻瓜也能和AI跳探戈的魔法舞池。别人还在纠结环境变量时,你已经用图形界面完成了一场算力交响乐的指挥首秀。

下次产品经理说”这个需求很简单”时,你大可以把OpenWebUI的链接甩过去:”来,直接和我的电子脑谈,它现在每小时只收三杯奶茶的算力费。”(记得把”rm -rf /*”的按钮藏好,毕竟AI学会叛逆可能比实习生还快)

使用宝塔面板部署一个属于自己的 DeepSeek-OE源码网
使用宝塔面板部署一个属于自己的 DeepSeek
此内容为免费资源,请登录后查看
0
免费资源
已售 70
© 版权声明
THE END
喜欢就支持一下吧
点赞9 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容