一、环境准备与前置条件

1.1 系统兼容性验证

Windows 11版本需满足21H2及以上（版本号≥22000），可通过”设置→系统→关于”查看系统版本。建议使用专业版或企业版，家庭版需确认WSL2支持状态。内存建议≥16GB，硬盘预留至少50GB可用空间（含模型存储）。

1.2 WSL2环境配置

微软官方WSL2是运行Ollama的核心组件，安装步骤如下：

1. 以管理员身份运行PowerShell，执行：

   wsl --set-default-version 2
   dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart
   dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

2. 重启后从Microsoft Store安装Ubuntu 22.04 LTS发行版
3. 验证安装：

   wsl -l -v  # 应显示Ubuntu 2及VERSION 2

1.3 NVIDIA驱动要求（可选GPU加速）

若使用NVIDIA显卡加速，需安装：

• 最新版Game Ready驱动（≥535.98）
• CUDA Toolkit 12.x（通过nvcc --version验证）
• cuDNN 8.9+（需与CUDA版本匹配）
  建议通过NVIDIA官网下载对应驱动，避免使用Windows更新自动安装的版本。

二、Ollama框架安装

2.1 官方版本安装

访问Ollama官网下载Windows安装包，双击运行后按向导完成安装。安装路径建议避免中文目录，安装完成后验证服务状态：

Get-Service -Name "OllamaService" | Select-Object Status,Name

2.2 高级配置选项

修改配置文件（C:\Users\<用户名>\.ollama\config.json）可调整：

{
  "models-path": "D:\\ollama_models",  // 模型存储路径
  "gpu-layers": 20,                    // GPU加速层数
  "log-level": "debug"                 // 日志级别
}

2.3 常见问题处理

• 端口冲突：默认监听11434端口，可通过netstat -ano | findstr 11434查找占用进程
• 权限错误：以管理员身份运行CMD执行icacls "C:\Users\<用户名>\.ollama" /grant <用户名>:(F)
• 服务启动失败：检查Windows Defender防火墙是否放行11434端口

三、DeepSeek模型部署

3.1 模型拉取与版本选择

Ollama支持通过命令行直接拉取模型：

ollama pull deepseek-ai/DeepSeek-R1:7b  # 70亿参数版本
ollama pull deepseek-ai/DeepSeek-V2.5:1.3b  # 13亿轻量版

完整模型列表可通过ollama show查看，推荐根据硬件选择：

• 消费级显卡（RTX 3060）：优先1.3b/3b版本
• 专业卡（A100）：可尝试33b版本

3.2 运行参数优化

启动模型时可指定详细参数：

ollama run deepseek-ai/DeepSeek-R1:7b \
  --temperature 0.7 \
  --top-p 0.9 \
  --context-window 4096 \
  --num-gpu 1

关键参数说明：

• temperature：控制输出随机性（0.1-1.5）
• context-window：上下文长度（单位token）
• num-gpu：指定使用的GPU数量

3.3 API服务搭建

通过反向代理暴露API接口（以Nginx为例）：

1. 下载Nginx Windows版并解压
2. 修改conf/nginx.conf：

   server {
    listen 8080;
    location / {
        proxy_pass http://127.0.0.1:11434;
        proxy_set_header Host $host;
    }
   }

3. 启动服务后可通过curl http://localhost:8080/api/generate测试

四、性能调优与监控

4.1 硬件加速配置

启用GPU加速需满足：

1. 安装NVIDIA容器工具包（通过nvidia-smi验证）
2. 在Ollama配置中设置：

   {
   "gpu-devices": "0",  # 指定GPU设备号
   "gpu-memory-fraction": 0.8
   }

3. 监控GPU使用率：

   watch -n 1 nvidia-smi -l 1

4.2 内存优化技巧

• 使用--num-ctx 2048减少上下文内存占用
• 启用交换空间（在WSL2中添加[swap]配置到/etc/wsl.conf）
• 定期清理模型缓存：ollama rm <model-name>

4.3 日志分析方法

关键日志文件位于：

• C:\Users\<用户名>\.ollama\logs\server.log
• WSL2中的/var/log/ollama.log
  通过grep -i "error" server.log可快速定位问题。

五、生产环境建议

5.1 安全加固措施

• 修改默认API端口
• 启用HTTPS（通过Let’s Encrypt证书）
• 设置访问控制（Nginx的allow/deny指令）

5.2 备份与恢复方案

模型备份：

tar -czvf deepseek_models.tar.gz /path/to/models

配置备份：定期复制.ollama目录到安全位置。

5.3 扩展性设计

对于多用户场景，建议：

1. 部署负载均衡器（如HAProxy）
2. 使用Docker容器化部署（通过WSL2的Docker Desktop）
3. 实现模型缓存预热机制

六、故障排查指南

6.1 常见错误处理

错误现象	可能原因	解决方案
“CUDA out of memory”	GPU显存不足	降低--num-gpu或减小batch size
“connection refused”	服务未启动	检查sc query OllamaService状态
“model not found”	模型未下载	执行ollama pull重新下载

6.2 性能基准测试

使用标准测试集评估：

time ollama run deepseek-ai/DeepSeek-R1:7b --prompt "解释量子计算原理"

正常响应时间应<3秒（7b模型在RTX 3090上）。

6.3 升级与回滚

升级Ollama：

choco upgrade ollama  # 通过Chocolatey包管理器

回滚操作：

1. 备份当前.ollama目录
2. 安装旧版本安装包
3. 恢复模型文件

本教程完整覆盖了从环境搭建到生产部署的全流程，通过分步骤的详细说明和故障处理方案，确保开发者能在Windows 11系统上稳定运行DeepSeek模型。实际部署时建议先在测试环境验证，再逐步迁移到生产环境。