简介这份PDF图解资料面向大模型初学者、技术爱好者及希望在本地部署应用的研发人员系统讲解DeepSeek大模型的本地部署方法与核心技术原理。内容从本地部署的三个实操步骤切入逐步展开LLM基础概念、Transformer架构、预训练、监督微调与强化学习等训练方法并重点剖析DeepSeek-R1的完整训练过程包括含R1-Zero的中间推理模型与通用强化学习两大核心创新。资源包为1个PDF文件约2.64MB由AI领域专家郭震撰写配有大量操作界面截图直观呈现部署与运行细节教程可操作性强。目前已有2199人学习。读者可借此掌握低成本、高性能的本地大模型部署方案理解推理模型R1的训练逻辑与独特之处并获得前沿技术参考适合零基础快速上手与进阶研究查阅。1. 本地跑通 DeepSeek-R1一份 10 页图解 PDF 能省掉多少试错很多人第一次接触大模型本地部署卡住的不是模型本身而是“我到底该装什么、下哪个版本、跑起来之后怎么确认它真的在干活”。这份 10 页的图解 PDF 就是冲着这个场景来的它不讲虚的直接给出从零到对话的完整路径同时把 LLM、Transformer、SFT、强化学习这些概念压缩成能看懂的小节。适合两类人——想在自己电脑上低成本跑通推理模型的开发者以及需要理解 R1 训练流程但不想啃论文的从业者。它最大的价值不是“教你装一个软件”而是把本地部署和训练原理串成一条线让你在调参和排错时知道自己在动哪一层。2. 三步本地部署 DeepSeek-R1Ollama 命令与模型选型2.1 为什么用 Ollama 而不是自己编译推理框架本地跑大模型常见做法有几种直接调 llama.cpp、用 text-generation-webui、或者走 Ollama。这份资料选 Ollama理由很实际——它把模型下载、量化版本管理、对话接口全包了安装完只有十来个命令不需要单独配 Python 环境或编译 CUDA 算子。对于“普通电脑也能飞速运行”这个目标Ollama 的默认量化策略通常是 Q4_K_M 或 Q4_0已经把显存和内存占用压到大多数消费级设备能接受的范围。我一般会先确认两件事一是磁盘剩余空间1.5B 模型大约 12 GB7B 量化版大约 45 GB二是内存1.5B 在 8 GB 内存的机器上就能跑7B 建议 16 GB 起步。如果只是验证流程直接从 1.5B 开始最稳。2.2 安装 Ollama 并验证命令集安装过程基本是下一步到底装完后打开终端输入ollama会列出所有可用子命令。这一步别跳过先看清楚pull、run、list、rm、serve这几个的用途后面排错全靠它们。# 检查 Ollama 是否安装成功并列出所有子命令 ollama # 查看当前已下载的模型列表刚装完是空的 ollama list # 查看 Ollama 服务状态确认后台进程在跑 ollama ps逻辑说明ollama不带参数时输出帮助信息相当于自检ollama list用来确认模型有没有下载成功ollama ps看当前加载了哪些模型。如果ollama命令找不到说明安装时没加入系统 PATHWindows 下重新安装并勾选“Add to PATH”macOS 下检查/usr/local/bin是否在环境变量里。2.3 拉取 deepseek-r1:1.5b 并进入对话模型下载命令只有一行但版本标签不能写错。deepseek-r1:1.5b里的1.5b代表 15 亿参数是 R1 系列里最小的蒸馏版本适合快速验证。# 下载 DeepSeek-R1 的 1.5B 量化版本到本地 ollama pull deepseek-r1:1.5b # 下载完成后直接运行进入交互式对话 ollama run deepseek-r1:1.5b参数说明pull只负责下载不运行run会先检查本地有没有这个模型没有就自动拉取再启动。进入对话界面后输入问题回车即可。R1 系列的特点是回复里会先出现think标签包裹的思考过程等think闭合后才是正式回答。如果你看到输出里一直有think没闭合说明模型还在推理等它跑完就行别急着 CtrlC。提示1.5B 模型在 8 GB 内存的普通笔记本上响应速度可以接受但如果问题复杂思考过程可能较长。想换更大模型把1.5b换成7b或8b即可命令结构完全一样。3. 从 Transformer 到 R1-Zero训练流程里的关键参数与设计取舍3.1 LLM 基础概念参数规模与 Scaling Laws 的实际含义资料里用1.5b、7b、8b来解释参数规模这个切入点很对。b是 billion7b 就是 70 亿个权重参数加偏置。这些参数分布在多层 Transformer 结构里包括自注意力层的 Q/K/V 矩阵、前馈网络的全连接层以及最后的输出投影层。参数越多模型能拟合的模式越复杂但推理时占用的显存和计算量也越大。Scaling Laws 在这里的作用是解释“为什么大模型更通用”参数规模、数据量和计算量同步扩大时模型在未见任务上的表现会按幂律提升。但这不是无条件的——数据质量差、重复度高扩展规律也会失效。所以本地部署时选 1.5B 还是 7B本质是在“通用能力”和“硬件开销”之间做取舍。1.5B 适合流程验证和简单问答7B 以上才在代码生成和逻辑推理上明显更好。3.2 Transformer 架构自注意力与前馈网络的分工Transformer 的核心组件在资料里列了四个自注意力、多头注意力、前馈网络、位置编码。实际调参时你不需要改这些结构但要知道它们影响什么。自注意力决定模型怎么在长文本里建立词与词的联系。多头注意力相当于同时从不同语义空间看同一句话头数越多表达能力越强但计算量也上去。前馈网络是逐位置的非线性变换参数量通常占整个模型的一半以上。位置编码解决的是“没有循环结构怎么知道词序”的问题现在主流用旋转位置编码RoPE对长文本外推更友好。这些组件堆叠起来才让 Scaling Laws 有发挥空间。本地跑推理时你感受到的“响应快慢”主要取决于模型层数、隐藏维度和量化精度而不是某一个组件的开关。3.3 预训练、SFT 与强化学习三阶段各自解决什么问题资料把训练方法分成预训练、监督微调、强化学习三块这个划分是理解 R1 训练流程的基础。预训练阶段用海量无标注文本目标是预测下一个词。这一步让模型学会语法、事实知识和基本推理模式但输出不一定符合人类偏好。监督微调SFT用人工标注的问答对把模型往“有用、听话”的方向拉。强化学习RL则是在 SFT 基础上用奖励信号进一步优化输出质量。R1 的特殊之处在于它把强化学习用到了推理能力提升上而不是只做偏好对齐。R1-Zero 完全跳过 SFT直接基于 V3 基础模型做推理导向的强化学习结果在数学和逻辑任务上接近甚至超越同期闭源模型。代价是输出可读性差、语言混合所以后续又加了通用强化学习阶段来修这些问题。3.4 R1-Zero 与通用强化学习两阶段训练的数据流R1 的完整训练过程可以拆成两条线第一条线是 R1-Zero用纯强化学习生成大量长链式思维CoT示例第二条线是通用强化学习基于 SFT checkpoint 做偏好调整引入帮助性和安全性奖励模型。R1-Zero 阶段的关键是“冷启动”。虽然跳过了 SFT但强化学习本身需要一个初始策略资料里提到只在冷启动阶段用了少量 SFT 数据。之后模型通过奖励信号自己探索推理路径生成的数据又反过来用于后续 SFT。这个循环让推理数据的标注成本大幅下降。通用强化学习阶段则是在 R1-Zero 的基础上用奖励模型同时优化推理任务和非推理任务的表现。帮助性奖励让模型更愿意给出有用回答安全性奖励过滤有害输出。最终 R1 是这两个阶段的结合体既有 R1-Zero 的推理深度又有通用任务的适应能力。注意如果你打算在自己的数据上做类似流程先确认奖励模型的质量。奖励信号有偏差强化学习会放大这个偏差最后模型可能学会“讨好奖励模型”而不是真正解决问题。4. 本地部署避坑从模型拉取失败到思考标签不闭合4.1 现象ollama pull卡住或报连接错误原因默认模型仓库在境外网络不稳定时下载会中断。另外磁盘空间不足也会导致拉取失败但报错信息不一定直接提示空间问题。解决先ollama list看是否已有部分下载的层如果有删掉重新拉。磁盘空间留出模型体积两倍以上的余量。如果反复失败可以尝试换时间段或检查本地网络策略但不要用任何非正规网络工具。4.2 现象ollama run启动后提示模型不存在原因pull和run的模型标签不一致。比如拉的是deepseek-r1:1.5b运行写成deepseek-r1或deepseek:1.5b都会找不到。解决用ollama list复制完整模型名再粘贴到run命令里。标签里的冒号和版本号一个都不能少。4.3 现象对话输出一直停在think标签内原因R1 系列在正式回答前会先输出思考过程复杂问题思考时间较长。如果内存不足模型可能反复加载或截断导致think不闭合。解决先等 30 秒以上观察终端是否有新输出。如果超过两分钟仍无变化CtrlC 退出换更小模型或更短问题重试。检查系统内存占用关掉不必要的后台程序。4.4 现象回复内容重复、乱码或语言混合原因1.5B 小模型在量化后能力有限长对话容易丢失上下文。另外如果之前用ollama run时输入了非中文问题模型可能切换语言。解决控制单次对话轮数重要问题重新开一个会话。需要更稳定的中文输出换 7B 以上版本。不要在同一个会话里混用多种语言提问。4.5 现象模型运行后电脑风扇狂转、响应变慢原因推理时 CPU 或 GPU 满载量化版本虽然降低了显存需求但计算量没减少。1.5B 在纯 CPU 上跑也会吃满单核。解决用ollama ps确认模型是否在运行不用时及时退出对话界面。Windows 下可以在任务管理器里看 Ollama 进程的 CPU 占用。如果只是偶尔用没必要让模型常驻后台。5. 验证 R1 推理能力的实操技巧从 pass1 到 cons16资料里提到 R1-Zero 的推理评估用了 pass1 和 cons16 两个指标。pass1 是单次推理的准确率cons16 是 16 次推理取一致性结果后的准确率。这个思路可以直接搬到本地验证上同一个问题多问几遍看答案是否稳定。我一般会准备一组有确定答案的逻辑题或数学题比如“一个水池有甲乙两个进水管……”这类经典问题。在本地对话界面里连续问 5 次记录每次答案。如果 5 次里只有 12 次正确说明模型在这个任务上还不稳定如果 45 次一致且正确说明推理路径比较可靠。另一个技巧是观察think标签里的推理步骤。R1 的思考过程会展示它怎么拆解问题、试了哪些路径、在哪里回头。如果思考过程里出现大量重复循环或明显逻辑跳跃即使最终答案对也说明模型在这个问题上的推理不够扎实。这时候可以换更小的问题粒度或者升级到更大参数版本。对于想深入理解训练流程的人可以拿资料里的 R1-Zero 训练图对照本地模型行为。R1-Zero 跳过 SFT 直接强化学习所以它的思考过程更“野生”有时会冒出非常规解法。通用强化学习后的 R1 则更规整但偶尔会为了安全性牺牲一点推理锐度。本地跑 1.5B 蒸馏版时这两种特征的痕迹都会变淡因为蒸馏过程本身会平滑掉一些极端行为。从那以后我每次部署新模型都强制走一遍“拉取→运行→问三个固定问题→检查 think 闭合→记录响应时间”的流程不跳过任何一步。这套习惯帮我省掉了大量“以为装好了其实没跑通”的后悔药。希望帮到你。本文还有配套的精品资源点击获取