当前位置：首页 > 技术分享 > 正文内容

2核4G 无GPU服务器通过宝塔本地化部署deepseek R1可视化界面操作一键本地部署deepseek

admin5天前技术分享78

Deepseek这段时间非常火，最新推理模型Deepseek R1，都想装上试一试，特别是部署到服务器教程网上一堆教程好像没几个部署成功靠谱的，先说服务器上下载Ollama就难倒一堆人，每次都超时。今天终于在宝塔看到一篇应用安装文章，借该方法更简单省事，容器里一次把ollama和open-webui安装了，再科普下Ollama‌是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。Open WebUI是一款高度可扩展、功能强大且用户友好的自托管Web用户界面,专为完全离线操作设计。DeepSeek-R1系列模型是基于Transformer架构的大型语言模型，支持中英文双语处理。该系列模型通过不断优化算法和增加训练数据，逐步提升了模型的性能和适用性。

如何30秒安装一个DeepSeek-R1 AI模型？今天全部实操体验成功后分享给大家一起学习。服务器上Ollama‌+open-webui+DeepSeek-R1系列模型全部搞定

配置不满足运行模型会导致服务器卡死或无法访问，请正确选择服务器配置后部署！

各模型建议的服务器配置：

2c4g可以运行1.5b，想要更流畅的话建议到8g内存，此模型可以不需要GPU

8c16g可以运行7b/8b，此模型建议使用GPU运行，建议最少使用8G运存的GPU

腾讯云性能基准测试如下：

【1.5B模型：内存占用2G左右】

2c4g（S5）：生成过程中，CPU占用100%

2c8g（S5）：生成过程中，CPU占用100%

4c16g（S2）：生成过程中，CPU占用100%

16c64g（SA2）：生成过程中，CPU占用30～40%

【7B模型：内存占用7.6G左右】

4c8g（SA2）：生成过程中，CPU占用100%

16c64g（SA2）：生成过程中，CPU占用50%

此使用帮助适用宝塔面板9.4.0以上的版本（2025年2月6日后发布的滚动修复包，请修复面板后安装DeepSeek-R1）

前往宝塔面板【Docker】-【应用商店】，点击DeepSeek-R1应用，点击安装即可，如果没显示DeepSeek应用，请点击右上角【更新应用列表】获取

随后点击【已安装】应用的文件夹按钮，前往对应的应用目录（这里注意使用GPU时才需要这样操作），如果使用CPU默认不需要改可省略

使用GPU时编辑docker-compose.yml文件，将第5-11行的注释去掉，保存

再回到【已安装】应用界面，将此应用重启即可启用GPU支持

安装完成容器里面就有两个容器信息，该应用应该包含了Open WebUI一起

绑定域名访问，同时加个SSL，这样就可以通过域名打开访问Open WebUI前端了，包括反代什么的都自动帮你设置好了

也可以手动处理反代信息，注意把安全端口放行一下

完成通过域名访问，网址打开时会提示输入管理账号密码，需要设置下，设置好就能正常进入界面

安装模型。在左下角打开设置找到模型，打开下载那个小图标

选择下载对应模型，具体需要下载什么模型可打开https://ollama.com/library/deepseek-r1:1.5b 查看

比如下载 ollama run deepseek-r1:7b 大小4.7G

按理这步应该到此为止了，下载模型时老提示超时，这边模型也没下载成功，后面试了几次了几次下载成功，下了个最小的ollama run deepseek-r1:1.5b 大小1.5G ，模型下载非常慢

写到最后体验后感觉还是失望了，一个回答差不多用了 3分钟，24核服务器64G 100M共享带宽采用CPU模式一个问题回答用了3分钟，这感觉是从高空俯冲到地面，真正测试后才知道服务器得多高才能玩这模型，不过有money的朋友可以考虑，其他人还是老老实实接入API吧

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
点击左侧导航栏中的终端，进入终端界面。

在终端界面中输入nvidia-smi，回车查看NVIDIA GPU信息。

如果提示nvidia-smi: command not found，请先安装NVIDIA GPU驱动。
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。
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：

在宝塔面板-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。

在安装目录中找到docker-compose.yml文件，双击编辑。

在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。

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。