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！（笔记本电脑.解锁.模型.聪明.体验...）

wufei1232025-02-15python13

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！

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 https://github.com/alexander-uspenskiy/deepseek
cd deepseek

创建并激活虚拟环境：

python -m venv venv
source 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.py

enter 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, AutoTokenizer
import torch

def 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, tokenizer

def 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 response

def main():
    try:
        model, tokenizer = setup_model()
        while True:
            question = input("
enter your question (or 'quit' to exit): ")
            if question.lower() == 'quit':
                break
            prompt = 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：