DeepSeek R1本地Linux服务器Docker部署＜实现网页访问／本地终端访问＞完整教程

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

本文为DeepSeek R1本地Docker部署 <实现网页访问本地终端访问=""> 教程，应该是CSDN中r1本地化部署最为全面的博客，欢迎读者评论交流。

DeepSeek是一家专注通用人工智能（AGI）的中国科技公司，主攻大模型研发与应用，经营范围包括技术服务、技术开发、软件开发等。DeepSeek-R1是其开源的推理模型，擅长处理复杂任务且可免费使用。支持联网搜索和深度思考模式。

先来介绍下项目背景吧，目前有一台空闲的3070服务器，deepseek r1的开源可以让我们有机会自己尝试模型的部署，同时有很多开源适配项目帮我们进行了模型蒸馏，确保我们的低端服务器也可以实现r1模型推理，在此，博主从完全小白的视角进行完整的流程配置(很完整，甚至从硬盘挂载开始…)，以下是项目所需工具介绍。

Ollama

介绍一下Ollama: Ollama 是一款开源工具，专注于在本地计算机上高效部署和运行大型语言模型（LLM）。它通过简化模型加载、资源优化和交互接口设计，使用户无需依赖云端服务即可体验AI能力，尤其适合对隐私、成本和定制化有需求的场景。
Ollama的核心功能与特点:

本地化运行
• 支持主流开源模型（如 Llama 2、Mistral、CodeLlama 等），用户可直接下载并运行模型文件，避免数据上传至第三方服务器。
• 通过量化技术压缩模型体积，降低对硬件（如 GPU 显存）的要求，普通消费级显卡即可运行 7B/13B 参数规模的模型。
跨平台与轻量化
• 兼容 macOS、Linux 和 Windows，提供命令行与 API 接口，方便开发者集成到本地应用中。
• 内存占用低，支持多线程优化，可根据硬件自动调整计算资源。
生态扩展性
• 开放模型库（如官方托管的 ollama/models），支持用户自定义微调模型或导入 Hugging Face 等平台的模型。
• 社区提供丰富的插件（如 VS Code 扩展、Chatbot 界面），增强交互体验。

Docker

Docker大家应该都比较熟悉，如果此前没有接触过Docker，后面的内容就不用看了，先把这两篇博客看完再看后续内容：在 Ubuntu 中安装 Docker、Linux系统Ubuntu配置Docker详细流程

Docker Desktop

SSH

SSH没接触过的也不用往下看了，先看懂这篇博客再继续：ssh详解–让你彻底学会ssh

Miniconda3(py3.11)

需要Miniconda3是因为我们为了实现网页端登录访问DeepSeek R1时，需要使用openwebui服务，需要为该服务创建一个conda环境，因此也需要在Ollama官方镜像容器中安装Miniconda3。但注意，openwebui需要python3.11，这里推荐大家用清华开源的Miniconda3镜像，选择适配自己系统的python3.11版本。

先从服务器的硬盘挂载开始，

如果实在不会的话，可用低阶方法，拿U盘拷吧

在进行这一步的时候，需要先在服务器上安装好Docker，安装方法上文已给链接。安装好Docker后，加载镜像：

在这里插入图片描述
然后在终端输入命令进入容器：

在进入Docker容器后，安装miniconda3，可以安装我之前分享的教程进行安装，在终端输入：

完成miniconda的安装，按流程一步步安装完后，需要添加环境变量：

使其在当前终端立即生效:

完成6后，紧接进入base环境：

然后创建自己的conda环境：

激活环境：

在环境中安装openwebui所需的包：

安装内容很多，大概10m-1h，视网速快慢。

如下所示：

在这里插入图片描述
可以看到，已经在docker内，通过ollama下载deepseek r1 7b的模型了
当然，如果你的显卡是4090 or others~ ，你也可以下载更大的模型，在ollama官网中，提供了多种deepseek及其他种类模型选择：

点进去后，可以看到其实有很多deepseek模型可供选择：
在这里插入图片描述
此处我通过上述命令行选择的是7b大小，即70亿参数的R1模型。