如何在本地運(yùn)行量化版的DeepSeek-R1-0528？ 原創(chuàng)
本文介紹了使用Ollama和WebUI 在本地運(yùn)行量化版的 DeepSeek-R1-0528 模型。
DeepSeek-R1-0528是DeepSeek R1 推理模型的最新版本，需要715GB的磁盤空間，使其成為市面上最大的開(kāi)源模型之一。然而由于來(lái)自Unsloth 的先進(jìn)的量化技術(shù)，該模型的大小可以縮減至162GB，整整縮減了80%。這使得用戶能夠以顯著降低的硬件要求體驗(yàn)?zāi)Ｐ偷娜抗δ埽M管性能略有下降。
在本教程中，我們將：
- 設(shè)置Ollama和Open Web UI，以便在本地運(yùn)行DeepSeek-R1-0528 模型。
- 下載并配置該模型的 1.78 位量化版（IQ1_S）。
- 使用GPU + CPU和純CPU兩種配置環(huán)境運(yùn)行該模型。
先決條件?
要運(yùn)行IQ1_S 量化版本，你的系統(tǒng)必須滿足以下要求：
- GPU要求：至少1個(gè)24GB GPU（比如英偉達(dá)RTX 4090或A6000）和128GB RAM。在此配置下，預(yù)期生成速度約為每秒5個(gè)token。
- RAM要求：運(yùn)行該模型至少需要64GB RAM；可以不使用 GPU 運(yùn)行該模型，但性能將限制為每秒1個(gè)token。
- 最佳設(shè)置：為了獲得最佳性能（每秒5個(gè)以上token），你至少需要180GB的統(tǒng)一內(nèi)存或180GB的RAM + VRAM組合內(nèi)存。
- 存儲(chǔ)：確保你至少有200GB的可用磁盤空間用于模型及其依賴項(xiàng)。
第1步：安裝依賴項(xiàng)和Ollama
更新你的系統(tǒng)并安裝所需的工具。Ollama是一款輕量級(jí)服務(wù)器，用于在本地運(yùn)行大語(yǔ)言模型。在Ubuntu 發(fā)行版上使用以下命令安裝它：
apt-get update
apt-get install pciutils -y
curl -fsSL https://ollama.com/install.sh | sh第2步：下載并運(yùn)行模型
使用以下命令運(yùn)行DeepSeek-R1-0528 模型的 1.78 位量化版本（IQ1_S）：
ollama serve &
ollama run hf.co/unsloth/DeepSeek-R1-0528-GGUF:TQ1_0
第3步：設(shè)置并運(yùn)行Open Web UI
拉取支持CUDA的Open Web UI Docker鏡像。運(yùn)行支持GPU并集成Ollama的Open Web UI 容器。
該命令將：
- 在8080端口啟動(dòng)Open Web UI服務(wù)器
- 使用--gpus all 標(biāo)志，啟用GPU加速
- 掛載必要的數(shù)據(jù)目錄（-v open-webui:/app/backend/data）
docker pull ghcr.io/open-webui/open-webui:cuda
docker run -d -p 9783:8080 -v open-webui:/app/backend/data --name open-webui ghcr.io/open-webui/open-webui:cuda一旦容器運(yùn)行，在瀏覽器中訪問(wèn)Open Web UI 界面：http://localhost:8080/。
第4步：在Open Web UI中運(yùn)行DeepSeek R1 0528
從模型菜單中選擇hf.co/unsloth/DeepSeek-R1-0528-GGUF:TQ1_0模型。
如果Ollama服務(wù)器無(wú)法正確使用GPU，你可以切換到CPU執(zhí)行。雖然這會(huì)顯著降低性能（大約每秒1個(gè)token），但可以確保模型仍然能夠運(yùn)行。
# Kill any existing Ollama processes
pkill ollama
# Clear GPU memory
sudo fuser -v /dev/nvidia*
# Restart Ollama service
CUDA_VISIBLE_DEVICES="" ollama serve一旦模型運(yùn)行，你可以通過(guò)Open Web UI與其交互。但請(qǐng)注意，由于缺乏GPU加速，速度將被限制為每秒1個(gè)token。
結(jié)語(yǔ)?
即使運(yùn)行量化版本也頗具挑戰(zhàn)性。你需要快速的網(wǎng)絡(luò)連接來(lái)下載模型，如果下載失敗，必須從頭開(kāi)始整個(gè)過(guò)程。我在試著在GPU上運(yùn)行時(shí)也遇到了很多問(wèn)題，我一直收到與VRAM 不足相關(guān)的GGUF錯(cuò)誤。盡管嘗試了幾種常見(jiàn)的GPU錯(cuò)誤修復(fù)方法，但都不起作用，于是我最終把一切都切換到了CPU。雖然這確實(shí)有效，但現(xiàn)在模型僅僅生成響應(yīng)就需要大約10分鐘，這遠(yuǎn)非理想狀態(tài)。
我相信肯定有更好的解決方案，比如使用llama.cpp，但相信我，我花了一整天才讓它運(yùn)行起來(lái)。
原文標(biāo)題：??Run the Full DeepSeek-R1-0528 Model Locally??，作者：Abid Ali Awan
