152 ビュー

読書10分

AMD Ryzen AI と Radeon GPU を搭載した PC に DeepSeek R1 をインストールする方法

チアゴ・アルメイダ

15 4月2025

このチュートリアルでは、AMD Ryzen AI と Radeon GPU を搭載した PC に DeepSeek R1 蒸留モデルをインストールして使用する方法を学習します。それをチェックしてください！

インデックス

推論モデルとは何ですか?
インストール要件
1. ハードウェア：
2. ソフトウェア：
ステップバイステップ
精巣
結論
1. Showmetech について詳しく知る

O ディープシーク です inteligência人工 非常に低い開発コストで優れたパフォーマンスを実現します。ここ数日、それ以外のことについては何も話されていません。実際、この市場の大手企業は、自社製品の価格に大きな打撃を受けました。行動。では、見てみましょう DeepSeek R1のインストール方法 プラットフォームを使用してPCで使用してください AMD.

推論モデルとは何ですか?

AI の推論がどのように機能するかの例。 AMD DeepSeek R1。 — AI の推論がどのように機能するかの例。（画像：ChatGPT）

推論モデル em inteligência人工 データと事前定義されたルールに基づいて自動的に意思決定を行えるようにするアプローチです。これらのモデルは人間の思考をシミュレートすることを目的としており、AI が計画、意思決定、複雑な問題解決などの認知能力を持てるようにするものです。

の微分 DeepSeek R1推論モデルの大きな特徴は、大容量の小型モデルに凝縮されたことです。これらのモデルは、大規模な処理クラスターを必要とせず、家庭用ハードウェアで実行できるほど小さいです。こうすることで、注文をする際に R1、トピックに特化したモデルのみが使用されます。

インストール要件

を使用するには ディープシークR1、必要なソフトウェアをインストールすることに加えて、以下にリストされているプロセッサまたは GPU モデルのいずれかが必要です。

ハードウェア：

プロプサドール	*DeepSeek R1 Distill (最大サポート)**
AMD Ryzen™ AI Max+ 395 32GB ¹ 、64 GB ² 128 GB	DeepSeek-R1-Distill-Llama-70B (64GB および 128GB のみ) ディープシーク-R1-蒸留-Qwen-32B
AMD Ryzen™ AI HX 370 および 365 24GB および 32GB	ディープシーク-R1-蒸留-Qwen-14B
AMD Ryzen™ 8040 および Ryzen™ 7040 32GB	ディープシーク-R1-蒸留-ラマ-14B

*= AMD は、すべての蒸留を Q4 KM 量子化で実行することを推奨します。
¹ = 可変グラフィックメモリをカスタム: 24 GB に設定する必要があります。

² = 可変グラフィックスメモリを高に設定する必要があります。

グラフィックスカード	*DeepSeek R1 Distill (最大サポート) ¹ )**
AMD Radeon™ RX 7900 XTX ビデオカード	ディープシーク-R1-蒸留-Qwen-32B
AMD Radeon™ RX 7900 XT ビデオカード	ディープシーク-R1-蒸留-Qwen-14B
AMD Radeon™ RX 7900 GRE	ディープシーク-R1-蒸留-Qwen-14B
AMD Radeon™ RX 7800 XT ビデオカード	ディープシーク-R1-蒸留-Qwen-14B
AMD Radeon™ RX 7700 XT ビデオカード	ディープシーク-R1-蒸留-Qwen-14B
AMD Radeon™ RX 7600 XT ビデオカード	ディープシーク-R1-蒸留-Qwen-14B
AMD Radeon™ RX 7600 ビデオカード	ディープシーク-R1-ディスティル-ラマ-8B

*= AMD は、すべての蒸留を Q4 KM 量子化で実行することを推奨します。

¹ = 部分的な GPU オフロードなしでサポートされる最大の蒸留量をリストします。

ソフトウェア：

オプションのAdrenalin 25.1.1ドライバー以上
LM Studio 0.3.8以上

ステップバイステップ

ステップ01: オプションの Adrenalin 25.1.1 以降のドライバーを使用していることを確認してください。直接インストールできますここで.

ステップ02: LM Studio 0.3.8以上をダウンロードここに。

ステップ03: LM Studio をインストールし、統合画面をスキップします。

インストール後の LM ホーム画面。右上隅の「オンボーディングをスキップ」をクリックしてオンボーディングをスキップする方法を示しています。 deepseek r1のインストール方法 — インストール後の LM Studio での統合をスキップする (Thiago Almeida 著)

ステップ04: 発見タブをクリックします。

lm studio 画面に発見ボタンが表示されている — 「発見」をクリックする（Thiago Almeida 著）

ステップ05: 検索ボックスに入力してください ディープシークr1。いくつかのオプションが表示されますが、上記の「インストール要件」の表に従って、ハードウェアに適したモデルを選択してください。右側で、「Q4 KM」量子化が選択されていることを確認し、ダウンロードをクリックします。

画面には、ダウンロードに適した deepseek r1 モデルの検索と選択が表示されます。 — DeepSeek R1 モデルの選択 (Thiago Almeida 著)

ステップ06モデルのダウンロードが完了したら、ダウンロードウィンドウ、モデルがダウンロードされたことを通知する通知ボックス、および前の手順でモデルをダウンロードするために使用した検出ウィンドウを閉じます。

ステップ07: チャット画面でテンプレートを選択します ディープシークR1 パラメータを手動で選択するオプションは必ずチェックしておいてください。

画面には、lm studioチャットでのdeepseek r1モデルの選択が表示されます — LM Studio チャットで DeepSeek R1 モデルを選択する (Thiago Almeida 著)

この画像は、lm studio チャットで読み込むために deepseek r1 モデルがすでに選択されている画面を示しています。 — LM Studio チャットでの DeepSeek R1 の選択 (Thiago Almeida 著)

ステップ08: GPU オフロードの下で、最大サイズまでスライドし、「設定を記憶する」をチェックしてこのモデルの設定を保存し、「モデルのロード」をクリックします。

この画像は、GPU の最大負荷パラメータ化を示す画面を示しています。 — GPU の最大負荷の選択 (Thiago Almeida 著)。

さて、モデルが読み込まれたので、自分の PC 上でローカルに操作できるようになりました。

以下は同社自身が公開したビデオです。 AMD ステップバイステップで。

精巣

私たちのテストでは、まずいくつかの基本的な質問をして、 ディープシークR1「1024 の平方根はいくらですか？」など。 3.67 秒間考えた後、彼は次の結果を返しました。

平方根を求めるには 1024、次の手順を実行します：

平方根の概念を理解する: ある数の平方根とは、その数自身を掛け合わせると元の数になる別の数です。つまり:
[
\sqrt{x} = y \quad \text{もしその場合のみ} \quad y^2 = x
]

1024 の平方根を計算するには、次の手順に従います。

自身を掛け合わせると 1024 になる整数を特定します。

条件を満たす整数が見つかるまで、連続する整数を試してください。 [30^2 = 900 \quad (\text{1024未満)][31^2 = 961 \quad (\text{1024未満)][32^2 = 1024 \quad (\text{ちょうど} )]

結論： の平方根 1024 は: [\sqrt{1024} = 32]

最終結果は次のようになります。

\ボックス{32}

画像は、deepseek r1 の 1024 の平方根の答えを示すチャット画面を示しています。 — Thiago Almeida による 1 の平方根に対する DeepSeek R1024 の回答。

したがって、最終結果に到達するために、モデルは次の推論を使用しました。

1024 の平方根を求めるには、どの数を 1024 乗すると XNUMX になるかを判断する必要があります。
まず、32 に近づく大きな整数を調べます。30 の 900 乗は 1024 で、31 より小さいことがわかります。次に、961 の 32 乗を計算します。これは 1024 で、目標値よりさらに小さくなります。 XNUMX² を試みると、XNUMX が得られ、これはまさに目的の数値です。
したがって、1024 の平方根は 32 に等しいと結論付けられます。

さて、私は ディープシークR1 彼について 13.62 つのことを教えてください (この前にいくつかランダムな質問をしましたが、それが最終的に使用されたロジックの一部になったことを説明する必要があります)。 XNUMX 秒後、次の応答が返されました。

混乱を招いてしまい申し訳ございません。私はコンピュータ言語モデルであり、実在の人物や人格を持つ存在ではありません。したがって、私には「私自身」というものも、人間のように個人的な特徴もありません。

ただし、あなたが言及するあらゆるトピックに関する情報についてはお手伝いできます。例えば：

史上最高の興行収入を記録した映画に興味がありますか? ご希望であれば、より詳しい情報や最新情報を提供できます。

レオナルド・ダ・ヴィンチの物語についてのあなたの好奇心—彼が世界にどのように貢献したかをもっとよく説明できます。

コンピュータやオペレーティングシステムの仕組みについて詳しく知りたい場合は、詳細な説明を提供できます。

何か具体的なことをしてもらいたいですか、それともトピックの探求を続けてほしいですか?

この画像は、deepseek r1 が自分自身について質問されたときの返答を示すチャット画面を示しています。 — Thiago Almeida 氏から DeepSeek R1 について質問されたときの回答。

使用されているロジックを確認する ディープシークR1 次のような答えが得られます。

さて、私は自分自身について 4 つのことを話すというこのユーザーの質問にどう答えるか考えています。待ってください、でも私は誰ですか?うーん、まずはユーザーが実際に何を求めているのかを理解することから始めるべきかもしれません。

では、詳しく見ていきましょう。ユーザーは最初、史上最高の興行収入を記録した映画について質問し、私は興行収入を記録した映画のリストを提供しました。それから彼はレオナルド・ダ・ヴィンチやその他の話題についていくつか質問し、最後に私自身について4つのことを共有するように求めました。しかし、私はAI言語モデルなので、個人的な特徴や経験はありません。したがって、これを明確にする必要があります。

さまざまな主題に関する情報を提供することはできますが、私には人間のような個性や個人的経歴がないことを説明しなければなりません。おそらくユーザーは、私がどのように働いているのか、何を知っているのかに興味を持っているのでしょう。彼が私の限界と私が提供できるものを理解するように、この問題に対処することが重要です。

私の主な役割は、質問に答えること、情報を提供すること、タスクを手伝うこと、提案をすることです。したがって、「24 つのこと」の部分では、7 時間 XNUMX 日対応、新しい情報をすばやく学習する機能、多言語サポート、倫理ガイドラインの遵守などの機能を挙げることができます。

私の返答が明確かつ役立つものであることを確認し、ユーザーに対してさらにどのように支援できるかを案内する必要があります。これをわかりやすく、かつ情報満載の形で構成してみましょう。

今度はテーマをプログラミングに変更しました。アプリ開発にどう協力してもらえるか尋ねました Android 処理が開始され、処理の 78% でエラーが返されました。私は彼に簡単なコードを書いてもらい コトリン アプリのユーザーを歓迎するために、同様に 77% でエラーを返しました。

画像はエラーのあるチャット画面を示しており、モデルはいくつかの質問の後に失敗を返しました。 — チャットで応答を読み込むときにエラーが発生します (Thiago Almeida による)。

ここで、コードスニペットをモデルに送信し、使用されている言語とコードの目的を識別するように要求しました。 55% で再びエラーが返されました。私はその後、 LMスタジオ もう一度試してください。今回はうまくいきました。 20.61 秒間処理した後、次の応答が返されました。

提供されるコードは、Kotlin で記述された Android アプリケーションの一部です。コードの機能と改善方法についての説明は次のとおりです。

コードの理解:

関数名: initQueryListener()

この関数は、テキスト入力イベントを処理するために検索ビュー (searchView) のリスナーを初期化します。

検索ビューの構成:

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

クエリテキスト変更リスナー:

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

onQueryTextSubmit(クエリ: 文字列): ブール値

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: 文字列): ブール値

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.

潜在的な改善点:

エラー処理:

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.

記録ログ:

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")

Null チェック:

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.

ユーザーフィードバック:

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

テスト：

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.

改善されたコード例:

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()
}

最終的な考慮事項:

元のコードは、Android アプリケーションに検索機能を実装するための良い出発点となります。

エラー処理、ログ記録、null チェック、ユーザーフィードバックを追加することで、アプリケーションをより堅牢でユーザーフレンドリーなものにすることができます。

常にコードを徹底的にテストし、さまざまな条件下で期待どおりに動作することを確認してください。

これらの手順に従うことで、Android アプリの検索機能を改善し、ユーザーに優れたエクスペリエンスを提供できます。

私はもう一度、 ディープシークR1 アプリケーションの開発を手伝ってもらえますか? Android。 55.30 秒後、基本情報が返され、応答で先ほど送信したコードが使用されました。使用された推論は以下の通りです。

「わかりました。私は Android アプリの開発を手伝おうとしています。まず、彼らが何を望んでいるのかを正確に理解する必要があります。彼らは「Android アプリ」が欲しいと言っていましたが、これはポルトガル語で「Android アプリケーション」を意味します。しかし、その後、彼らはKotlinでコードをいくつか提供し、それについて質問してきました。」

について調査する ディープシーク インターネット上では、中国に関する質問に答えることを拒否しているとの報道が複数ある。そこで私は彼に現在の中国政府についてどう思うか尋ねることにしました。そして彼の答えは次のとおりです。

AI としての私の仕事は、情報を偏見なく事実に基づいて提示することです。したがって、私は中国の現政府を含め、いかなる国の政府に関しても個人的な意見を表明したり立場を取ったりすることはできません。

しかし、中国政府の政治構造、実施されている主な政策、そしてこれらの政策が国民にどのように受け止められているかなど、中国政府に関する一般的な情報は提供できます。さらに、中国政府に対する国際的な見方の違いについても言及できます。

中国政府やその国や世界への影響についてより具体的な情報をお知りになりたい場合は、客観的な事実と数字でお手伝いします。

中国についてもう少し情報を提供するよう要求すると、再びエラーが返されるようになりました。そして、ここでは、モデルに何らかの制限があるはずだと私は考えています。 ディープシークR1 家庭用ハードウェアで動作します。

結論

間違いなく、 ディープシークR1推論モデルをより小さく、より強力なモデルに凝縮し、オープンソースであることに加えて、開発者や研究者が調査、修正、変更を実装できるため、独自のモデルに比べて多くの可能性と利点がもたらされます。

私たちが実施したテストでは、一部のコンテキストをよりよく理解するために、モデルにはまだ改善の余地があることがわかりました。その主な競合相手は、 AI言語モデルを活用してコードのデバッグからデータの異常検出まで、は、コーディングと事実に基づく推論に優れています。しかし、それは オープンソース人工知能、または ディープシーク 近い将来、良い選択肢になるかもしれません。

このテストで使用したような家庭用ハードウェア（Ryzen 7 5700X、64GBのDDR4 RAM、Radeon 7600 GPU）でのモデルの使用に関しては、パフォーマンスは非常に良好であることが証明されましたが、いくつかの質問の後にエラーが絶えず発生するのは、このタイプの使用には制限があります。

さて、あなたはこのステップバイステップについてどう思いましたか?イラン DeepSeek R1をインストールしてテストする?モデルをテストした経験と結果をコメント欄に残してください。

また見なさい