一、为什么选择D盘安装？

在Windows系统中，C盘通常作为系统盘使用，存储着操作系统和核心程序文件。随着软件安装和使用，C盘空间容易不足，影响系统性能。将DeepSeek部署到D盘具有三大优势：

1. 空间隔离：避免AI模型和数据占用系统盘空间
2. 性能优化：减少磁盘I/O对系统运行的影响
3. 数据安全：系统重装时D盘数据通常得以保留

建议提前在D盘创建专用文件夹（如D:\DeepSeek），确保有至少20GB可用空间。对于大型模型部署，建议预留50GB以上空间。

二、环境配置三步走

（一）Python环境准备

1. 访问Python官网，下载3.10+版本
2. 安装时勾选”Add Python to PATH”选项
3. 验证安装：

   python --version
   pip --version

（二）CUDA与cuDNN配置（GPU用户必看）

1. 确认显卡型号（NVIDIA GeForce RTX 3060及以上推荐）
2. 下载对应版本的CUDA Toolkit
3. 安装cuDNN时需将解压后的文件复制到CUDA安装目录
4. 验证环境：

   nvcc --version
   # 应显示类似：Cuda compilation tools, release 11.x, V11.x.xxx

（三）虚拟环境创建

推荐使用conda创建独立环境：

conda create -n deepseek_env python=3.10
conda activate deepseek_env

或使用venv：

python -m venv D:\DeepSeek\venv
D:\DeepSeek\venv\Scripts\activate

三、DeepSeek核心安装流程

（一）从源码安装（推荐）

1. 克隆官方仓库：

   git clone https://github.com/deepseek-ai/DeepSeek.git D:\DeepSeek\repo
   cd D:\DeepSeek\repo

2. 安装依赖包：

   pip install -r requirements.txt
   # 常见问题处理：
   # 若torch版本冲突，可指定版本：
   pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118

（二）预训练模型下载

1. 访问HuggingFace模型库
2. 下载模型文件到D:\DeepSeek\models目录
3. 模型文件结构示例：

   D:\DeepSeek\models\
   └── deepseek-6b\
    ├── config.json
    ├── pytorch_model.bin
    └── tokenizer.json

（三）关键配置修改

编辑D:\DeepSeek\repo\config.py文件，修改以下参数：

MODEL_PATH = "D:/DeepSeek/models/deepseek-6b"
DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
WEB_UI_PORT = 7860  # 避免与其他服务冲突

四、Web UI部署实战

（一）Gradio Web界面启动

1. 安装Gradio：

   pip install gradio

2. 启动Web服务：

   python D:\DeepSeek\repo\web_ui.py
   # 或使用调试模式：
   python -m debugpy --listen 5678 --wait-for-client web_ui.py

3. 访问本地服务：
   浏览器打开http://localhost:7860，应看到交互界面

（二）常见问题解决方案

1. 端口冲突：修改config.py中的WEB_UI_PORT值
2. 内存不足：
   • 减小max_new_tokens参数（默认2048）
   • 使用--gpu-memory 4参数限制显存使用
3. 模型加载失败：
   • 检查模型路径是否包含中文或特殊字符
   • 验证模型文件完整性（MD5校验）

（三）进阶配置选项

1. API接口启用：
   在config.py中设置：

   ENABLE_API = True
   API_PORT = 8000

2. 多模型切换：
   创建模型配置文件D:\DeepSeek\models\models.json：

   [
   {
    "name": "deepseek-6b",
    "path": "D:/DeepSeek/models/deepseek-6b",
    "type": "llm"
   },
   {
    "name": "chat-model",
    "path": "D:/DeepSeek/models/chat-model",
    "type": "chat"
   }
   ]

五、性能优化技巧

1. 显存优化：

   • 使用bitsandbytes进行8位量化：

     pip install bitsandbytes
     python -m deepseek.quantize --model D:/DeepSeek/models/deepseek-6b --output D:/DeepSeek/models/deepseek-6b-quant

2. 启动加速：

   • 创建Windows快捷方式，目标添加：

     cmd /k "D:\DeepSeek\venv\Scripts\activate && cd D:\DeepSeek\repo && python web_ui.py"

3. 数据持久化：
   在D:\DeepSeek\data目录下创建：

   • conversations.json：存储对话历史
   • prompts.txt：自定义提示词库

六、安全与维护建议

1. 防火墙设置：

   • 入站规则允许7860端口（仅限本地网络）
   • 定期更新依赖库：pip list --outdated | pip install -U

2. 数据备份：

   # 每周备份模型目录
   xcopy "D:\DeepSeek\models" "E:\Backups\DeepSeek_Models" /E /H /C /I /Y

3. 卸载指南：

   # 停止所有Python进程
   taskkill /F /IM python.exe
   # 删除虚拟环境
   rmdir /S /Q "D:\DeepSeek\venv"
   # 清理残留文件
   del /Q "D:\DeepSeek\*.log"

本教程通过分步骤讲解和代码示例，使零基础用户也能完成DeepSeek的完整部署。实际部署时建议先在测试环境验证，再迁移到生产环境。遇到具体问题时，可参考官方GitHub仓库的Issues板块获取最新解决方案。