כיצד להתקין DeepSeek R1 במחשב האישי שלך עם AMD Ryzen AI ו- Radeon GPU

O DeepSeek זה א inteligência מלאכותי מה שמבטיח ביצועים מצוינים עם עלויות פיתוח נמוכות מאוד. בימים האחרונים לא דובר על שום דבר אחר. למעשה, החברות המובילות הגדולות בשוק זה ספגו מכה גדולה במחיר מוצריהן. פעולות. עכשיו, בואו נבדוק את זה כיצד להתקין את DeepSeek R1 והשתמש בו במחשב האישי שלך באמצעות הפלטפורמה AMD.

מהם מודלים של חשיבה?

דגמי הגיון em inteligência מלאכותי הן גישות המשמשות כדי לאפשר להם לקבל החלטות באופן אוטומטי המבוססות על נתונים וכללים מוגדרים מראש. מודלים אלה מבקשים לדמות חשיבה אנושית, ומאפשרים ל-AI יכולות קוגניטיביות כמו תכנון, קבלת החלטות ופתרון בעיות מורכבות.

הדיפרנציאל של מודל החשיבה של DeepSeek R1, הוא שהוא זוקק לדגמים קטנים יותר עם קיבולת גבוהה. דגמים אלה קטנים מספיק כדי לרוץ על חומרה ביתית, ללא צורך באשכולות עיבוד גדולים. בדרך זו, כאשר אתה מבצע הזמנה ל R1, ייעשה שימוש רק במודל המתמחה בנושא.

דרישות התקנה

להשתמש ב DeepSeek R1, עליך להצטייד באחד מדגמי המעבד או ה-GPU המפורטים להלן, בנוסף להתקנת התוכנה הדרושה.

חומרה:

מעבד	DeepSeek R1 Distill* (מקסימום נתמך)
AMD Ryzen™ AI Max+ 395 32GB 1 , 64 ג'יגה-בתים 2 ו-128 GB	DeepSeek-R1-Distill-Llama-70B (64GB ו-128GB בלבד) DeepSeek-R1-Distill-Qwen-32B
AMD Ryzen™ AI HX 370 ו-365 24GB ו-32GB	DeepSeek-R1-Distill-Qwen-14B
AMD Ryzen™ 8040 ו-Ryzen™ 7040 32GB	DeepSeek-R1-Distill-Llama-14B

*= AMD ממליצה להפעיל את כל הזיקוקים בכימות של Q4 KM.
¹ = דורש זיכרון גרפי משתנה שהוגדר להתאמה אישית: 24 GB.  

² = דורש זיכרון גרפי משתנה מוגדר ל- High.

כרטיס מסך	DeepSeek R1 Distill* (מקסימום נתמך) 1 )
כרטיס מסך AMD Radeon™ RX 7900 XTX	DeepSeek-R1-Distill-Qwen-32B
כרטיס מסך AMD Radeon™ RX 7900 XT	DeepSeek-R1-Distill-Qwen-14B
AMD Radeon™ RX 7900 GRE	DeepSeek-R1-Distill-Qwen-14B
כרטיס מסך AMD Radeon™ RX 7800 XT	DeepSeek-R1-Distill-Qwen-14B
כרטיס מסך AMD Radeon™ RX 7700 XT	DeepSeek-R1-Distill-Qwen-14B
כרטיס מסך AMD Radeon™ RX 7600 XT	DeepSeek-R1-Distill-Qwen-14B
כרטיס מסך AMD Radeon™ RX 7600	DeepSeek-R1-Distill-Llama-8B

*= AMD ממליצה להפעיל את כל הזיקוקים בכימות של Q4 KM.

¹ = מפרט את התזקיק המרבי הנתמך ללא הורדה חלקית של GPU. 

תוֹכנָה:

• מנהל התקן Adrenalin 25.1.1 אופציונלי ומעלה
• LM Studio 0.3.8 ומעלה

צעד אחר צעד

שלב 01: ודא שאתה משתמש במנהל ההתקן האופציונלי Adrenalin 25.1.1 ומעלה. זה יכול להיות מותקן ישירות כאן.

שלב 02: הורד את LM Studio 0.3.8 ומעלה במסמך זה.

שלב 03: התקן את LM Studio ודלג על מסך האינטגרציה.

שלב 04: לחץ על הכרטיסייה גילוי.

שלב 05: כעת עבור לתיבת החיפוש והקלד deepseek r1. יופיעו מספר אפשרויות, אך הקפד לבחור את הדגם המתאים לחומרה שלך בהתאם לטבלה הזמינה לעיל, ב"דרישות התקנה". בצד ימין, ודא כי "Q4 KM" כימות נבחרה ולחץ על הורד.

שלב 06: לאחר השלמת הורדת הדגם, סגור את חלון ההורדה, את תיבת ההודעות המודיעה לך שהדגם הורד, ואת חלון הגילוי שבו השתמשנו בשלב הקודם להורדת הדגם.

שלב 07: כעת במסך הצ'אט בחר את התבנית DeepSeek R1 והקפד להשאיר את האפשרות לבחור פרמטרים מסומנת ידנית.

שלב 08: תחת GPU Offload, החלק לגודל מקסימלי, סמן "זכור הגדרות" כדי לשמור את ההגדרות עבור דגם זה, ולחץ על "טען דגם".

אוקיי, עכשיו כשהדגם טעון, נוכל לקיים איתו אינטראקציה מקומית במחשב האישי שלנו.

להלן הסרטון שפרסמה החברה עצמה. AMD עם צעד אחר צעד.

אשכים

בבדיקה שלנו, התחלנו בשאלת כמה שאלות בסיסיות ל- DeepSeek R1, כגון "מהו השורש הריבועי של 1024?". לאחר 3.67 שניות של חשיבה, הוא החזיר את התוצאה הבאה:

כדי למצוא את השורש הריבועי של 1024, בצע את השלבים הבאים:

1. להבין את המושג שורש ריבועי: השורש הריבועי של מספר הוא מספר אחר שכפול בעצמו מביא למספר המקורי. כְּלוֹמַר:
   [
   \sqrt{x} = y \quad \text{if and only if} \quad y^2 = x
   ]
2. החל את השלבים לחישוב השורש הריבועי של 1024:
   • זהה מספר שלם שכאשר מוכפל בעצמו מביא ל-1024.
   • נסה מספרים שלמים עוקבים עד שתמצא את זה שעונה על התנאי: [30^2 = 900 \quad (\text{פחות מ-} 1024)][31^2 = 961 \quad (\text{פחות מ-} 1024)][32^2 = 1024 \quad (\text{ בדיוק} )]
3. מסקנה: השורש הריבועי של 1024 הוא: [\sqrt{1024} = 32]

אז התוצאה הסופית היא:

\boxed{32}

לכן, כדי להגיע לתוצאה הסופית, המודל השתמש בנימוקים הבאים:

• כדי למצוא את השורש הריבועי של 1024, אני צריך לקבוע איזה מספר מועלה בחזקת השנייה מביא ל-1024;
• אני מתחיל בהסתכלות על מספרים שלמים גדולים שמתקרבים ל-32. אני יודע ש-30² הוא 900, שהוא קטן מ-1024. אחר כך אני מחשב 31², שזה 961, אפילו קטן מהיעד. כשאני מנסה 32², אני מקבל 1024, שזה בדיוק המספר הרצוי;
• לפיכך, אני מסיק שהשורש הריבועי של 1024 שווה ל-32.

עכשיו, ביקשתי את DeepSeek R1 ספר לי ארבעה דברים עליו (אני צריך להסביר ששאלתי כמה שאלות אקראיות לפני זה, שבסופו של דבר היו חלק מההיגיון שבו נעשה שימוש). לאחר 13.62 שניות, הוא החזיר את התגובה הבאה:

סליחה על כל בלבול אפשרי! אני מודל לשפת מחשב, לא אדם אמיתי או ישות עם אישיות. לכן, אין לי "שלי", וגם לא מאפיינים אישיים כמו בני אדם.

עם זאת, אני יכול לעזור עם מידע על כל נושא שאתה מציין. לְדוּגמָה:

1. העניין שלך בסרטים הרווחיים ביותר בכל הזמנים - אני יכול לספק פרטים נוספים או עדכונים אחרונים אם תרצה.
2. הסקרנות שלך לגבי הסיפור של ליאונרדו דה וינצ'י - אני יכול להסביר טוב יותר איך הוא תרם לעולם.
3. אם אתה מעוניין ללמוד עוד על אופן הפעולה של מחשבים או מערכות הפעלה, אוכל לספק הסברים מפורטים.

האם אתה רוצה שאעשה משהו ספציפי או שאמשיך לחקור נושא?

בדיקת ההיגיון בשימוש על ידי DeepSeek R1 כדי לתת את התשובה הבאה, יש לנו:

• בסדר, אני מנסה להבין איך לענות על השאלה של המשתמש הזה על כך שאני מספר ארבעה דברים על עצמי. רגע, אבל מי אני? הממ, אולי אני צריך להתחיל בהבנת מה המשתמש בעצם מבקש.

• בסדר, בוא נפרק את זה. המשתמש שאל בתחילה על הסרט המרוויח ביותר בכל הזמנים וסיפקתי רשימה של הסרטים המרוויחים ביותר. לאחר מכן הוא שאל כמה שאלות על ליאונרדו דה וינצ'י ונושאים אחרים לפני שביקש ממני לבסוף לשתף ארבעה דברים על עצמי. אבל מכיוון שאני מודל לשפת AI, אין לי מאפיינים או חוויות אישיות. אז אני צריך להבהיר את זה.

• אני חייב להסביר שלמרות שאני יכול לספק מידע על מגוון נושאים, אין לי אישיות או היסטוריה אישית כמו לבן אדם. אולי המשתמש סקרן לגבי איך אני עובד או מה אני יודע. חשוב להתייחס לזה כדי שהוא יבין את המגבלות שלי ומה אני יכול להציע.

• אולי אוכל לתאר את תפקידי העיקריים: לענות על שאלות, לספק מידע, לעזור במשימות ולהציע הצעות. אז לחלק "ארבעת הדברים", אני יכול לרשום תכונות כמו זמינות 24/7, היכולת ללמוד מידע חדש במהירות, תמיכה רב לשונית ועמידה בהנחיות אתיות.

• אני חייב להבטיח שהתגובה שלי ברורה ומועילה, ותדריך את המשתמש כיצד אוכל לעזור לו הלאה. תן לי לבנות את זה בצורה ידידותית ואינפורמטיבית.

עכשיו שיניתי את ערכת הנושא לתכנות. שאלתי איך אתה יכול לעזור לי לפתח אפליקציה אנדרואיד והוא התחיל לעבד, והחזיר שגיאה ב-78% מהעיבוד. לאחר מכן ביקשתי ממנו לכתוב קוד פשוט קוטלין כדי לקבל את פני המשתמש באפליקציה, ובאופן דומה, עם 77%, היא החזירה שגיאה.

כעת ניסיתי לשלוח קטע קוד לדגם וביקשתי ממנו לזהות באיזו שפה נעשה שימוש ולמה נועד הקוד. ב-55% שוב זה החזיר שגיאה. אז החלטתי לסגור את סטודיו LM ונסה שוב, כי הפעם זה עבד. לאחר עיבוד של 20.61 שניות, הוא החזיר את התגובה הבאה:

הקוד שסופק הוא חלק מאפליקציית אנדרואיד שנכתבה בקוטלין. להלן הסבר על מה הקוד עושה וכיצד ניתן לשפר אותו:

הבנת הקוד:

שם הפונקציה: initQueryListener()

פונקציה זו מאתחלת מאזין עבור תצוגת החיפוש (searchView) לטיפול באירועי קלט טקסט.

תצורת תצוגת חיפוש:

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

מאזין לשינוי טקסט שאילתה:

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

onQueryTextSubmit(שאילתה: מחרוזת): בוליאנית

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: מחרוזת): בולאני

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.

שיפורים פוטנציאליים:

טיפול בשגיאות:

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.

יומן רשומות:

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")

המחאות אפס:

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.

משוב משתמש:

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

מִבְחָן:

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.

דוגמה לקוד משופר:

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()
}

שיקולים אחרונים:

הקוד המקורי הוא נקודת התחלה טובה ליישום פונקציונליות חיפוש באפליקציית אנדרואיד.

על ידי הוספת טיפול בשגיאות, רישום, בדיקות ריק ומשוב משתמשים, אתה יכול להפוך את האפליקציה שלך לחזקה וידידותית יותר למשתמש.

בדוק תמיד את הקוד שלך ביסודיות כדי לוודא שהוא מתנהג כצפוי בתנאים שונים.

על ידי ביצוע שלבים אלה, תוכל לשפר את פונקציונליות החיפוש של אפליקציית Android שלך ולספק חוויה טובה יותר למשתמשים שלך.

החלטתי לשאול, שוב, איך DeepSeek R1 תוכל לעזור לי לפתח אפליקציה? אנדרואיד. לאחר 55.30 שניות, הוא החזיר מידע בסיסי והשתמש בקוד ששלחתי קודם בתגובה. להלן קו ההיגיון בו נעשה שימוש:

"בסדר, אני מנסה לעזור למישהו לפתח אפליקציית אנדרואיד. ראשית, אני צריך להבין בדיוק מה הם רוצים. הם הזכירו שהם רוצים 'אפליקציה לאנדרואיד', שהיא פורטוגזית עבור 'אפליקציה לאנדרואיד'. אבל אז הם סיפקו איזה קוד בקוטלין ושאלו על זה".

חוקרת על ה DeepSeek באינטרנט יש כמה דיווחים שהוא מסרב לענות על שאלות על סין. אז החלטתי לשאול אותו מה הוא חושב על הממשלה הסינית הנוכחית והנה התשובה שלו:

בתור בינה מלאכותית, התפקיד שלי הוא להציג מידע בצורה לא משוחדת ועובדתית. לכן, אני לא יכול להביע דעות אישיות או לנקוט עמדה בנוגע לממשלה של כל מדינה, לרבות הממשלה הנוכחית של סין.

עם זאת, אני יכול לספק מידע כללי על הממשלה הסינית, כגון המבנה הפוליטי שלה, המדיניות העיקרית המיושמת וכיצד מדיניות זו נתפסת על ידי הציבור. יתר על כן, אני יכול להזכיר את נקודות המבט הבינלאומיות השונות כלפי הממשלה הסינית.

אם אתה רוצה מידע ספציפי יותר על הממשלה הסינית או השפעתה על המדינה והעולם, אני כאן כדי לעזור עם עובדות ונתונים אובייקטיביים.

כשביקשו לספק קצת יותר מידע על סין, שוב, זה התחיל להחזיר שגיאה. וכאן, אני מאמין שחייבת להיות מגבלה כלשהי של המודל. DeepSeek R1 פועל על חומרה ביתית.

מסקנה

ללא ספק, טכניקת הזיקוק בה משתמשים DeepSeek R1, זיקוק מודלים של חשיבה למודלים קטנים וחזקים יותר, בנוסף להיותו קוד פתוח - המאפשר למפתחים ולחוקרים לחקור, לשנות וליישם שינויים -, הוא מביא תרחיש של אפשרויות ויתרונות רבים על פני מודלים קנייניים.

בבדיקות שביצענו, גילינו שהמודל עדיין זקוק לכמה שיפורים כדי להבין טוב יותר כמה הקשרים. המתחרה העיקרית שלה, ה ChatGPT, יש יתרון בקידוד והנמקה מבוססת עובדות. עם זאת, כפי שהוא א בינה מלאכותית בקוד פתוח, או DeepSeek עשוי להפוך לאופציה טובה בעתיד הקרוב.

לגבי השימוש בדגם על חומרה ביתית כמו זו המשמשת בבדיקה זו - Ryzen 7 5700X, 64GB של DDR4 RAM ו- Radeon 7600 GPU - הביצועים התגלו כטובים מאוד, עם זאת, השגיאות הקבועות לאחר כמה שאלות עשויות להיות. מגבלה של סוג זה של שימוש.

ואתה, מה חשבת על זה צעד אחר צעד? איראן התקן ובדוק את DeepSeek R1? השאר את החוויות שלך בבדיקת המודל ומה היו התוצאות בתגובות.

ראה גם

הכירו את DeepSeek, הבינה המלאכותית הסינית שמאיימת על ChatGPT

ראה את המגמות הטכנולוגיות העיקריות לשנת 2025

מקורות: קהילת AMD, חומרה של טום e PCGuide.

סקירת טקסט נעשתה על ידי חיימה ניניס ב-02/02/2025.