Jak nainstalovat DeepSeek R1 na váš počítač s AMD Ryzen AI a Radeon GPU

O DeepSeek je to inteligência umělé který slibuje vynikající výkon s velmi nízkými náklady na vývoj. V posledních dnech se o ničem jiném nemluvilo. Ve skutečnosti hlavní přední společnosti na tomto trhu utrpěly velkou ránu do ceny svých produktů. akce. Teď se na to podíváme Jak nainstalovat DeepSeek R1 a použijte jej na svém PC pomocí platformy AMD.

Co jsou modely uvažování?

Modely uvažování em inteligência umělé jsou přístupy, které jim umožňují rozhodovat se automatizovaným způsobem na základě dat a předem definovaných pravidel. Tyto modely se snaží simulovat lidské myšlení, což umožňuje AI mít kognitivní schopnosti, jako je plánování, rozhodování a komplexní řešení problémů.

Rozdíl v Model uvažování DeepSeek R1, je, že byl destilován do menších modelů s vysokou kapacitou. Tyto modely jsou dostatečně malé na to, aby je bylo možné provozovat na domácím hardwaru, aniž by byly potřeba velké procesorové clustery. Tímto způsobem, když zadáte objednávku R1, bude použit pouze model specializovaný na dané téma.

Požadavky na instalaci

používat DeepSeek R1, musíte mít kromě instalace potřebného softwaru jeden z modelů procesoru nebo GPU uvedených níže.

hardware:

Procesor	DeepSeek R1 Distill* (podporováno max.)
AMD Ryzen™ AI Max+ 395 32GB 1 , 64 GB 2 a 128 GB	DeepSeek-R1-Distill-Llama-70B (pouze 64 GB a 128 GB) DeepSeek-R1-Distill-Qwen-32B
AMD Ryzen™ AI HX 370 a 365 24 GB a 32 GB	DeepSeek-R1-Distill-Qwen-14B
AMD Ryzen™ 8040 a Ryzen™ 7040 32GB	DeepSeek-R1-Distill-Llama-14B

*= AMD doporučuje spustit všechny destilace při kvantizaci KM ve 4. čtvrtletí.
¹ = Vyžaduje variabilní grafickou paměť nastavenou na Vlastní: 24 GB.  

² = Vyžaduje variabilní grafickou paměť nastavenou na Vysoká.

grafická karta	DeepSeek R1 Distill* (podporováno max.) 1 )
Grafická karta AMD Radeon™ RX 7900 XTX	DeepSeek-R1-Distill-Qwen-32B
Grafická karta AMD Radeon™ RX 7900 XT	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7900 GRE	DeepSeek-R1-Distill-Qwen-14B
Grafická karta AMD Radeon™ RX 7800 XT	DeepSeek-R1-Distill-Qwen-14B
Grafická karta AMD Radeon™ RX 7700 XT	DeepSeek-R1-Distill-Qwen-14B
Grafická karta AMD Radeon™ RX 7600 XT	DeepSeek-R1-Distill-Qwen-14B
Grafická karta AMD Radeon™ RX 7600	DeepSeek-R1-Distill-Llama-8B

*= AMD doporučuje spustit všechny destilace při kvantizaci KM ve 4. čtvrtletí.

¹ = Uvádí maximální podporovaný destilát bez částečného snížení zátěže GPU. 

Software:

• Volitelný ovladač Adrenalin 25.1.1 nebo vyšší
• LM Studio 0.3.8 nebo vyšší

Krok za krokem

Krok 01: Ujistěte se, že používáte volitelný ovladač Adrenalin 25.1.1 nebo vyšší. Může být instalován přímo zde.

Krok 02: Stáhněte si LM Studio 0.3.8 nebo vyšší zde.

Krok 03: Nainstalujte LM Studio a přeskočte obrazovku integrace.

Krok 04: Klikněte na kartu objevování.

Krok 05: Nyní přejděte do vyhledávacího pole a zadejte deepseek r1. Zobrazí se několik možností, ale ujistěte se, že jste vybrali model vhodný pro váš hardware podle výše uvedené tabulky v části „Požadavky na instalaci“. Na pravé straně se ujistěte, že je vybrána kvantizace „Q4 KM“ a klikněte na stáhnout.

Krok 06: Po dokončení stahování modelu zavřete okno stahování, oznamovací okno, které vás informuje, že model byl stažen, a okno objevování, které jsme použili v předchozím kroku ke stažení modelu.

Krok 07: Nyní na obrazovce chatu vyberte šablonu DeepSeek R1 a nezapomeňte nechat zaškrtnutou možnost ručního výběru parametrů.

Krok 08: Pod položkou GPU Offload posuňte na maximální velikost, zaškrtněte „Zapamatovat nastavení“, abyste uložili nastavení pro tento model, a klikněte na „Načíst model“.

Dobře, nyní s načteným modelem s ním můžeme interagovat lokálně na našem vlastním PC.

Níže je video zveřejněné samotnou společností. AMD s krok za krokem.

Testy

V našem testování jsme začali tím, že jsme položili několik základních otázek DeepSeek R1, například „Jaká je druhá odmocnina z 1024?“. Po 3.67 sekundách přemýšlení vrátil následující výsledek:

Chcete-li najít druhou odmocninu z 1024, Následuj tyto kroky:

1. Pochopte pojem odmocniny: Druhá odmocnina čísla je další číslo, které po vynásobení samo sebou vede k původnímu číslu. Tj:
   [
   \sqrt{x} = y \quad \text{i když a jen tehdy} \quad y^2 = x
   ]
2. Použijte kroky k výpočtu druhé odmocniny z 1024:
   • Určete celé číslo, které po vynásobení samo sebou vede k 1024.
   • Zkuste po sobě jdoucí celá čísla, dokud nenajdete to, které splňuje podmínku: [30^2 = 900 \quad (\text{méně než } 1024)][31^2 = 961 \quad (\text{méně než } 1024)][32^2 = 1024 \quad (\text{ přesně} )]
3. Závěr: Druhá odmocnina z 1024 je: [\sqrt{1024} = 32]

Takže konečný výsledek je:

\boxed{32}

Proto, aby se dosáhlo konečného výsledku, model použil následující úvahy:

• Abych zjistil druhou odmocninu z 1024, musím určit, které číslo umocněné na druhou mocninu je 1024;
• Začnu tím, že se podívám na velká celá čísla, která se blíží 32. Vím, že 30² je 900, což je menší než 1024. Pak vypočítám 31², což je 961, dokonce menší než cíl. Když zkusím 32², dostanu 1024, což je přesně požadované číslo;
• Došel jsem tedy k závěru, že druhá odmocnina z 1024 se rovná 32.

Nyní jsem požádal o DeepSeek R1 řekni mi o něm čtyři věci (měl bych vysvětlit, že jsem před tím položil nějaké náhodné otázky, které se nakonec staly součástí použité logiky). Po 13.62 sekundách vrátila následující odpověď:

Omlouváme se za případné nejasnosti! Jsem počítačový jazykový model, nikoli skutečná osoba nebo entita s osobností. Proto nemám „své vlastní“, ani osobní vlastnosti jako lidé.

Mohu vám však pomoci s informacemi o jakémkoli tématu, které uvádíte. Například:

1. Váš zájem o nejvýdělečnější filmy všech dob — mohu poskytnout více podrobností nebo nejnovější aktualizace, pokud budete chtít.
2. Vaše zvědavost na příběh Leonarda da Vinciho – mohu lépe vysvětlit, jak přispěl světu.
3. Pokud máte zájem dozvědět se více o tom, jak fungují počítače nebo operační systémy, mohu poskytnout podrobné vysvětlení.

Chcete, abych udělal něco konkrétního, nebo pokračoval ve zkoumání tématu?

Kontrola použité logiky DeepSeek R1 abychom dali následující odpověď, máme:

• Dobře, snažím se přijít na to, jak odpovědět na otázku tohoto uživatele o tom, že jsem o sobě řekl čtyři věci. Počkejte, ale kdo jsem? Hmm, možná bych měl začít tím, že pochopím, co vlastně uživatel požaduje.

• Dobře, pojďme to rozebrat. Uživatel se nejprve zeptal na film s nejvyššími výdělky všech dob a já jsem mu poskytl seznam filmů s nejvyššími výdělky. Potom se zeptal na několik otázek o Leonardu da Vinci a dalších tématech, než mě nakonec požádal, abych se podělil o čtyři věci o sobě. Ale protože jsem jazykový model AI, nemám žádné osobní vlastnosti ani zkušenosti. Takže to musím upřesnit.

• Musím vysvětlit, že i když mohu poskytnout informace o různých tématech, nemám osobnost ani osobní historii jako lidská bytost. Možná je uživatel zvědavý, jak pracuji nebo co vím. Je důležité to řešit, aby pochopil moje omezení a to, co mohu nabídnout.

• Možná bych mohl nastínit své hlavní funkce: odpovídat na otázky, poskytovat informace, pomáhat s úkoly a navrhovat. Takže pro část „čtyři věci“ bych mohl uvést funkce, jako je dostupnost 24/7, schopnost rychle se učit nové informace, vícejazyčná podpora a dodržování etických zásad.

• Musím zajistit, aby moje odpověď byla jasná a užitečná a navedla uživatele, jak mu mohu dále pomoci. Dovolte mi to strukturovat přátelským a informativním způsobem.

Nyní jsem změnil téma na programování. Zeptal jsem se, jak byste mi mohli pomoci s vývojem aplikace Android a začalo zpracování a vrátilo chybu při 78 % zpracování. Pak jsem ho požádal, aby napsal jednoduchý kód Kotlin přivítat uživatele aplikace a podobně se 77 % vrátilo chybu.

Nyní jsem zkusil poslat úryvek kódu do modelu a požádal jsem ho, aby identifikoval, který jazyk byl použit a k čemu byl kód. Při 55 % opět vrátilo chybu. Pak jsem se rozhodl zavřít Studio LM a zkuste to znovu, protože tentokrát to fungovalo. Po zpracování po dobu 20.61 sekund vrátila následující odpověď:

Poskytnutý kód je součástí aplikace pro Android napsané v Kotlinu. Zde je vysvětlení toho, co kód dělá a jak jej můžete vylepšit:

Porozumění kodexu:

Název funkce: initQueryListener()

Tato funkce inicializuje posluchače pro zobrazení vyhledávání (searchView), aby zpracovával události zadávání textu.

Konfigurace zobrazení vyhledávání:

searchView.queryHint é usado para definir um texto de sugestão para a barra de pesquisa, orientando os usuários sobre o que digitar.

Posluchač změny textu dotazu:

O listener é configurado usando searchView.setOnQueryTextListener().
Dois métodos são sobrescritos:

onQueryTextSubmit(query: String): logická hodnota

Invocado quando o usuário envia uma query (por exemplo, pressiona enter ou clica no botão de pesquisa).
Chama noteViewModel.queryNotes(query), que provavelmente recupera notas com base na entrada de pesquisa.
Retorna false para indicar que nenhuma ação é realizada após o envio.

onQueryTextChange(newText: String): logická hodnota

Invocado enquanto o usuário digita, atualizando a entrada de pesquisa.
Se newText estiver vazio (usuário limpou a pesquisa), chama noteViewModel.queryNotes(), que provavelmente exibe todas as notas novamente.

Potenciální vylepšení:

Zpracování chyb:

O código atual não trata possíveis erros ao chamar noteViewModel.queryNotes(query) ou noteViewModel.queryNotes().
Você pode querer adicionar tratamento de erros para capturar exceções e fornecer feedback ao usuário, como uma mensagem toast se algo der errado.

Protokol záznamů:

Adicionar declarações de log pode ajudar a rastrear o fluxo do aplicativo e depurar problemas. Por exemplo:
val TAG = "SearchListener"
log(TAG, "Query submitted: $query")

Nulové kontroly:

Certifique-se de que todos os objetos e variáveis sejam verificados quanto a nulos para evitar NullPointerExceptions.
Por exemplo, se noteEditText for nulo em outro contexto, lide com isso de forma apropriada.

Zpětná vazba od uživatelů:

Forneça um feedback claro ao usuário quando uma ação falhar. Use mensagens toast ou outros elementos de IU para informá-los sobre quaisquer problemas.

Test:

Teste o código minuciosamente para garantir que todas as funcionalidades funcionem conforme o esperado em diferentes cenários, como:
Digitando e enviando uma query.
Limpando a entrada de pesquisa e vendo todas as notas novamente.
Lidando com erros de forma graciosa.

Příklad vylepšeného kódu:

private fun initQueryListener() {
    val TAG = "SearchListener"
    searchView.queryHint = getString(R.string.search_bar_hint)

    searchView.setOnQueryTextListener(object : SearchView.OnQueryTextListener {
        override fun onQueryTextSubmit(query: String): Boolean {
            try {
                val result = noteViewModel.queryNotes(query)
                if (result.isNotEmpty()) {
                    // Handle successful query
                    log(TAG, "Query submitted: $query")
                } else {
                    // If no results found, show appropriate message
                    showToast("No notes found with this query.")
                }
            } catch (e: Exception) {
                e.printStackTrace()
                showToast("Error processing search: ${e.message}")
            }
            return false
        }

        override fun onQueryTextChange(newText: String): Boolean {
            if (newText.isEmpty()) {
                // Clear the search and show all notes
                noteViewModel.queryNotes()
                log(TAG, "Search cleared; showing all notes.")
            }
            return false
        }
    })
}

// Método auxiliar para exibir uma mensagem toast
private fun showToast(message: String) {
    Toast.makeText(
        this@MainActivity,
        message,
        Toast.LENGTH_SHORT
    ).show()
}

Závěrečné úvahy:

Původní kód je dobrým výchozím bodem pro implementaci vyhledávací funkce v aplikaci pro Android.

Přidáním zpracování chyb, protokolování, kontrol null a uživatelské zpětné vazby můžete svou aplikaci učinit robustnější a uživatelsky přívětivější.

Vždy důkladně otestujte svůj kód, abyste se ujistili, že se za různých podmínek chová podle očekávání.

Pomocí těchto kroků můžete vylepšit vyhledávací funkce své aplikace pro Android a poskytnout uživatelům lepší prostředí.

Rozhodl jsem se znovu zeptat, jak DeepSeek R1 můžete mi pomoci vyvinout aplikaci? Android. Po 55.30 sekundách vrátil základní informace a použil kód, který jsem poslal dříve v odpovědi. Níže je řada použitých úvah:

„Dobře, snažím se někomu pomoci vyvinout aplikaci pro Android. Nejprve musím pochopit, co přesně chtějí. Zmínili se, že chtějí „aplikaci pro Android“, což je portugalština pro „aplikaci pro Android“. Ale pak poskytli nějaký kód v Kotlinu a zeptali se na to.

Zkoumání o DeepSeek Na internetu se objevilo několik zpráv, že odmítá odpovídat na otázky o Číně. Rozhodl jsem se ho tedy zeptat, co si myslí o současné čínské vládě, a zde je jeho odpověď:

Jako AI je mým úkolem prezentovat informace nezaujatým a věcným způsobem. Nemohu proto vyjadřovat osobní názory ani zaujímat stanovisko ohledně vlády jakékoli země, včetně současné vlády Číny.

Mohu však poskytnout obecné informace o čínské vládě, jako je její politická struktura, hlavní uplatňované politiky a jak tyto politiky vnímá veřejnost. Dále mohu zmínit různé mezinárodní pohledy na čínskou vládu.

Pokud chcete konkrétnější informace o čínské vládě nebo jejím dopadu na zemi a svět, jsem tu, abych vám pomohl s objektivními fakty a čísly.

Při požadavku na poskytnutí trochu více informací o Číně opět začala vracet chybu. A zde se domnívám, že musí existovat určité omezení modelu. DeepSeek R1 běžící na domácím hardwaru.

Závěr

Bezpochyby použitá destilační technika DeepSeek R1, který destiluje modely uvažování do menších a výkonnějších modelů, kromě toho, že je open source – umožňuje vývojářům a výzkumníkům zkoumat, upravovat a implementovat změny – přináší scénář mnoha možností a výhod oproti proprietárním modelům.

V testech, které jsme provedli, jsme zjistili, že model ještě potřebuje nějaká vylepšení, aby lépe porozuměl některým souvislostem. Jeho hlavní konkurent, ChatGPT, má výhodu v kódování a uvažování založeném na faktech. Nicméně, jak to je a open source umělá inteligencenebo DeepSeek se v blízké budoucnosti může stát dobrou volbou.

Pokud jde o použití modelu na domácím hardwaru, jako je ten použitý v tomto testu – Ryzen 7 5700X, 64 GB DDR4 RAM a GPU Radeon 7600 – výkon se ukázal jako velmi dobrý, nicméně neustálé chyby po některých otázkách mohou být omezení tohoto typu použití.

A vy, co jste si o tom krok za krokem mysleli? Írán Nainstalujte a otestujte DeepSeek R1? Své zkušenosti s testováním modelu a jaké byly výsledky v komentářích.

Podívejte se taky

Seznamte se s DeepSeek, čínskou AI, která ohrožuje ChatGPT

Podívejte se na hlavní technologické trendy pro rok 2025

Zdroje: Komunita AMD, Tomův hardware e PCGuide.

Textovou recenzi provedl Jaime Ninece dne 02.