前期准备
①硬件检查
查看显存：右键桌面，选择打开NVIDIA控制面板，然后进入“系统信息”页面查看。
对于最低配置要求：
GPU版本：需要NVIDIA显卡，显存不少于6G。
CPU版本：需要16G内存以及SSD硬盘。
对于集显笔记本显存的查看方式：
右键点击任务栏，选择任务管理器。然后切换到性能选项卡。在左侧找到GPU选项（可能显示为“GPU 0”或“Intel UHD Graphics”等）。查看右侧的“专用 GPU 内存”或“共享 GPU 内存”。其中，“专用 GPU 内存”是集显的固定显存（通常较小），而“共享 GPU 内存”是系统内存中分配给集显使用的部分（动态调整，通常较大）。
在win11系统中，可以通过鼠标右键点击开始图标，然后点击GPU，右侧页面会显示显存信息。
②安装基础软件
请前往下载并安装Python 3.8-3.10，安装时务必勾选”Add to PATH”。请下载并安装Git和Visual Studio生成工具，以构建开发环境。微软搜索”Build Tools for Visual Studio”即可找到安装链接。
部署流程（GPU版）
步骤一：获取模型文件。在CMD或PowerShell中执行以下命令：
git clone /deepseek-ai/DeepSeek-LLM.git，然后进入DeepSeek-LLM文件夹。
步骤二：安装依赖。首先创建虚拟环境（防止包冲突），命令为：python -m venv deepseek_env，然后激活该环境：\deepseek_env\Scripts\activate。接下来，安装核心组件（可能需要等待10-30分钟），命令为：pip install torch torchvision torchaudio –index-url download./whl/cu118，以及pip install -r requirements.txt。
步骤三：下载模型文件。请访问huggingface.co/deepseek-ai，找到deepseek-llm-7b-chat模型，并下载所有文件至./models文件夹。
步骤四：创建启动脚本。新建run.py文件，并粘贴以下内容：
from transformers import AutoTokenizer, AutoModelForCausalLM；model_path = “./models/deepseek-llm-7b-chat”；tokenizer = AutoTokenizer.from_pretrained(model_path)；model = AutoModelForCausalLM.from_pretrained(model_path).cuda()；while True: prompt = input(“请输入问题：”); inputs = tokenizer(prompt, return_tensors=”pt”).to(“cuda”); outputs = model.generate(inputs, max_new_tokens=100)；print(tokenizer.decode(outputs[0], skip_special_tokens=True))。
步骤五：运行模型。在命令行中输入python run.py即可。
CPU版特别说明：
常见问题解决：
如果CUDA内存不足，可以尝试减小max_new_tokens的数值（改为50）。如果遇到DLL加载错误，请更新NVIDIA驱动，前往下载最新Game Ready驱动。如果出现中文乱码问题，可以在脚本开头添加 — coding: utf-8 –。如果下载缓慢，可以使用国内镜像源，命令为pip install -i pypi.tuna..cn/simple 包名。
进阶技巧：
使用量化版模型（如4bit）可以降低显存需求。搭配text-generation-webui可以创建可视化界面。使用–load-in-8bit参数可以优化内存占用。
⚠️注意事项：
首次运行模型时会自动下载分词器等组件，大约需要5分钟。7B模型文件大约需要15GB的存储空间。建议关闭杀毒软件实时防护以避免误拦截。如果需要其他版本（如1B/65B）的部署方法，请在评论区留言，注明你的显卡型号和内存容量。