我原本对DeepSeek R1的性能预期不高，但实际测试7B DeepSeek模型（deepseek-ai/deepseek-r1-distill-qwen-7b）后，结果却令人惊喜。
这是一个利用Transformer模型生成用户查询回复的项目，它巧妙地结合了Hugging Face和Torch的Transformers库，实现了高效的模型处理和推理。
配置
前提条件：
Python 3.7或更高版本pip (Python包安装程序)
安装：
- 克隆仓库：
git clone github./alexander-uspenskiy/deepseekcd deepseek
创建并激活虚拟环境：
python -m venv venvsource venv/bin/activate
安装所需包：
pip install transformers torch
使用方法：
- 运行主脚本：
python deepseek.py
按照提示输入您的问题。输入“quit”退出交互模式。
项目结构
deepseek.py：包含模型设置和回复生成逻辑的主脚本。
示例：
(venv) $ python deepseek.pyenter your question (or ‘quit’ to exit): a bat and a ball costs 1 dollar and 10 cents in total. the bat costs 1 dollar more than a ball. how much does the ball costs?response: question: a bat and a ball costs 1 dollar and 10 cents in total. the bat costs 1 dollar more than a ball. how much does the ball costs?answer: 5 cents…. (后续推理过程) …
该模型的回复展现了完整的推理过程，对于可在笔记本电脑上运行的模型而言，这着实令人印象深刻。
源代码：
from transformers import AutoModelForCausalLM, AutoTokenizerimport torchdef setup_model(): model_id = "deepseek-ai/deepseek-r1-distill-qwen-7b" tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained( model_id, torch_dtype=torch.float16, device_map="auto", trust_remote_code=True ) return model, tokenizerdef generate_response(model, tokenizer, prompt, max_length=512): inputs = tokenizer(prompt, return_tensors="pt", padding=True, truncation=True).to(model.device) with torch.no_grad(): outputs = model.generate(inputs.input_ids,attention_mask=inputs.attention_mask,max_length=max_length,temperature=0.7,top_p=0.9,do_sample=True,pad_token_id=tokenizer.pad_token_id, ) response = tokenizer.decode(outputs[0], skip_special_tokens=True) return responsedef main(): try: model, tokenizer = setup_model() while True:question = input("enter your question (or ‘quit’ to exit): ")if question.lower() == ‘quit’: breakprompt = f"question: {question}answer:"response = generate_response(model, tokenizer, prompt)print(f"response: {response}") except Exception as e: print(f"an error occurred: {str(e)}")if __name__ == "__main__": main()
故障排除：
如果遇到模型下载或运行问题，请确保网络连接稳定，并尝试以下步骤：
- 确保已激活虚拟环境：source venv/bin/activate重新安装所需包：pip install –upgrade transformers torch检查使用的Python解释器：which python
通过以上步骤，您可以轻松运行并体验DeepSeek R1模型的强大功能。
以上就是在笔记本电脑上解锁DeepSeek RB – 体验我测试过的最聪明的AI模型！的详细内容，更多请关注范的资源库其它相关文章！
转载请注明：范的资源库 » 在笔记本电脑上解锁DeepSeekRB
