DeepSeek图解10页PDF_11页_2mb

DeepSeek本地部署与技术解析总结

1 本地部署DeepSeek原因

• 保护隐私与数据安全：数据不上传云端，避免第三方访问。
• 可定制化与优化：支持微调、适配特定任务（如行业术语、知识库）。
• 离线运行：适用于无网络环境，提高系统稳定性。

2 本地部署步骤

1. 安装 Ollama 软件：
   • 下载安装，自动管理大模型。
2. 下载模型：
   • 命令：ollamapull deepseek-r1:1.5b
3. 运行对话：
   • 命令：ollama run deepseek-r1:1.5b

3 DeepSeek零基础必知

• LLM基础：
  • 参数意义：7b 代表70亿参数。
  • 通用性优势：基于多领域数据训练，具备强迁移能力。
• Training方法：
  1. 预训练：大规模无监督学习。
  2. 监督微调（SFT）：优化特定任务。
  3. 强化学习（RL）：使用人类反馈提升输出质量。

4 DeepSeek-R1训练核心创新（2.0 及以上版本侧重）

• 推理导向训练（R1-Zero）：
  • 直接通过强化学习生成高质量的CoT推理数据，减少人工标注，推理能力接近甚至超越OpenAI O1。
• 通用强化学习：
  • 基于SFT，进一步优化模型在多任务上的表现（如帮助性、安全性），增强非推理场景能力。
• 结构：

  graph LR
  A[DeepSeek-v3-Base] --> B[推理导向强化学习 (R1-Zero)]
  B --> C[生成CoT数据]
  C --> D[监督微调(SFT)]
  D --> E[强化学习(RL)]
  E --> F[DeepSeek-R1]
  

5 强化学习与监督微调对比

6 应用建议

• 适合场景：企业内部部署（知识库调优、私有数据处理）。
• 推荐配置：普通电脑（Intel i5、16GB内存可运行基础模型）。

如需部署DeepSeek，请回复ollama获取下载地址。其他技术细节可查看相关文献：https://newsletter.languagemodels.co/p/the-illustrated-deepseek-r1