一、下载ollama
打开 ollama链接，直接终端运行提供的命令即可。如获取的命令如下：
curl -fsSL https://ollama.com/install.sh | sh
确保是否安装成功可在终端输入如下命令：
ollama -v
注意： 如遇到Failed to connect to github.com port 443: Connection timed out ，一种简便方法是：改host sudo vim /etc/hosts ，添加内容如下：
140.82.112.3 github.com
199.232.5.194 github.global.ssl.fastly.net
54.231.114.219 github-cloud.s3.amazonaws.com
其中，ipaddress 可获取目前github.com实际ip
二、下载模型
在 ollama_search 中查询所需的模型，这里需要下载DeepSeeK-R1模型，所以在搜索框中输入“deepseek-r1”。
打开第一个链接，在左侧标有7b的选项为模型的版本，数字越大模型越大效果更好，但对应所需要的计算机的性能更强，具体参数可以对应下方表格。因为自己显存较低，所以使用1.5b，大家可以根据自己电脑配置选择。
| 模型版本 | 参数量 | 内存需求（RAM） | 显存需求（训练） | 显存需求（推理） | 推荐GPU配置 | 典型应用场景 | 注意事项 |
|---|---|---|---|---|---|---|---|
| 1.5B | 1.5B | 4-8GB | 6-8GB | 3-4GB | 单卡RTX 3090/4090 | 移动端应用、嵌入式设备、简单对话 | 支持低精度量化（4bit/8bit） |
| 7B | 7B | 16-32GB | 24-32GB | 12-16GB | 单卡A100 40GB | 通用对话、文本生成 | 需启用激活检查点节省显存 |
| 8B | 8B | 20-40GB | 28-36GB | 14-18GB | 单卡A100 40GB | 多语言处理、中等复杂度推理 | 推荐使用FlashAttention优化 |
| 14B | 14B | 32-64GB | 48-64GB | 24-32GB | 2*A100 40GB（张量并行） | 复杂对话、知识问答 | 需张量并行策略 |
| 32B | 32B | 64-128GB | 80-120GB | 40-60GB | 4*A100 80GB（流水线并行） | 专业领域分析、长文本生成 | 推荐使用ZeRO-3优化 |
| 70B | 70B | 128-256GB | 160-240GB | 80-120GB | 8*A100 80GB（混合并行） | 复杂代码生成、学术研究 | 需组合张量+流水线+数据并行 |
| 671B | 671B | 1TB+ | 1.5-2TB | 800GB-1.2TB | 64*A100/H100（多节点分布式） | 超大规模预训练、战略级AI系统 | 需定制化分布式框架支持 |
在左侧选好版本后，右侧即会显示一条命令，将该命令输入在命令框中即可，因为选择下载1.5b，则命令为：
ollama run deepseek-r1:1.5b
指令执行完后即可使用该模型:
如果需要关闭模型即可使用Ctrl + d 或键盘输入/bye 即可，如需再次启动，那么在命令行中输入ollama run deepseek-r1:1.5b即可。
