DeepSeek 本地部署实战：用 Docker 快速跑通 Ollama 与 WebUI

发布人：慈云数据-客服中心发布时间：6小时前阅读量：1

DeepSeek Docker部署教程｜附完整命令

DeepSeek 作为近期开源大模型生态中非常受关注的一类模型，已经被广泛用于本地知识问答、代码辅助、推理任务、企业内部智能助手等场景。相比直接在本机安装 Python、CUDA、依赖库等方式，使用 Docker 部署 DeepSeek 更加简单、干净、可迁移，也更适合服务器环境和团队统一交付。

本文将从零开始介绍如何使用 Docker 部署 DeepSeek，包含 CPU 部署、GPU 部署、Ollama 方式部署、Open WebUI 可视化界面部署、Docker Compose 一键部署 等内容，并提供完整可复制命令。

一、部署方式说明

目前本地部署 DeepSeek 常见方式主要有以下几种：

部署方式	特点	适合人群
Ollama + Docker	部署简单，命令少，适合快速体验	个人开发者、测试环境
Ollama + Open WebUI	带网页聊天界面，使用体验好	普通用户、团队内部使用
vLLM 部署	性能更强，适合 API 服务	企业部署、高并发场景
llama.cpp 部署	资源占用较低，适合量化模型	低配置机器、CPU 推理

本文重点介绍最容易上手、成功率最高的方案：

Docker + Ollama + DeepSeek + Open WebUI

这种方式可以快速在本地或服务器上运行 DeepSeek，并通过浏览器访问聊天界面。

二、服务器配置建议

DeepSeek 模型有多个版本，不同模型对硬件要求不同。部署前建议先确认机器配置。

1. CPU 部署

如果只是体验，可以使用 CPU 部署，但推理速度会比较慢。

建议配置：

CPU：4 核以上
内存：16GB 以上
磁盘：30GB 以上
系统：Ubuntu 20.04 / 22.04 / 24.04

适合运行较小模型，例如：

deepseek-r1:1.5b
deepseek-r1:7b

2. GPU 部署

如果希望推理速度更快，建议使用 NVIDIA GPU。

建议配置：

显卡：NVIDIA GPU
显存：8GB 以上，推荐 16GB / 24GB
内存：32GB 以上
磁盘：50GB 以上
驱动：已安装 NVIDIA Driver
Docker：支持 NVIDIA Container Toolkit

常见模型显存参考：

模型	推荐显存
deepseek-r1:1.5b	4GB 左右
deepseek-r1:7b	8GB 左右
deepseek-r1:8b	8GB~12GB
deepseek-r1:14b	16GB 左右
deepseek-r1:32b	24GB 以上
deepseek-r1:70b	多卡或高显存

注意：实际显存占用会受到量化方式、上下文长度、并发数量等因素影响。

三、安装 Docker

以下命令以 Ubuntu 系统为例。

1. 更新软件源

sudo apt update
sudo apt upgrade -y

2. 安装必要依赖

sudo apt install -y ca-certificates curl gnupg lsb-release

3. 添加 Docker GPG 密钥

sudo install -m 0755 -d /etc/apt/keyrings

curl -fsSL https://download.docker.com/linux/ubuntu/gpg \
  | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg

sudo chmod a+r /etc/apt/keyrings/docker.gpg

4. 添加 Docker 软件源

echo \
  "deb [arch=$(dpkg --print-architecture) \
  signed-by=/etc/apt/keyrings/docker.gpg] \
  https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" \
  | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

5. 安装 Docker

sudo apt update

sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

6. 启动 Docker 并设置开机自启

sudo systemctl start docker
sudo systemctl enable docker

7. 验证 Docker 是否安装成功

docker version

也可以运行测试容器：

sudo docker run hello-world

如果看到类似 Hello from Docker! 的输出，说明 Docker 安装成功。

四、可选：配置当前用户免 sudo 使用 Docker

默认情况下，普通用户执行 Docker 命令可能需要加 sudo。可以将当前用户加入 docker 用户组。

sudo usermod -aG docker $USER

然后重新登录服务器，或者执行：

newgrp docker

验证：

docker ps

如果不报权限错误，说明配置成功。

五、GPU 环境准备

如果你只使用 CPU，可以跳过本章节。

1. 查看 NVIDIA 驱动

nvidia-smi

如果能看到显卡信息，说明 NVIDIA 驱动已经安装。

示例输出：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.xx       Driver Version: 535.xx       CUDA Version: 12.x      |
| GPU Name        Memory-Usage                                                |
+-----------------------------------------------------------------------------+

如果提示 command not found 或无法识别显卡，需要先安装 NVIDIA 驱动。

六、安装 NVIDIA Container Toolkit

Docker 默认不能直接调用 GPU，需要安装 NVIDIA Container Toolkit。

1. 添加 NVIDIA 软件源

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey \
  | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list \
  | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' \
  | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

2. 安装工具包

sudo apt update
sudo apt install -y nvidia-container-toolkit

3. 配置 Docker 使用 NVIDIA Runtime

sudo nvidia-ctk runtime configure --runtime=docker

4. 重启 Docker

sudo systemctl restart docker

5. 测试 Docker 是否能调用 GPU

docker run --rm --gpus all nvidia/cuda:12.4.1-base-ubuntu22.04 nvidia-smi

如果容器内能正常输出显卡信息，说明 GPU 容器环境配置成功。

七、方式一：使用 Docker 部署 Ollama

Ollama 是一个非常方便的大模型本地运行工具，可以快速下载和运行 DeepSeek 模型。通过 Docker 部署 Ollama，可以避免污染宿主机环境。

八、CPU 方式启动 Ollama

如果你没有 NVIDIA GPU，可以使用以下命令启动 Ollama：

docker run -d \
  --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  --restart always \
  ollama/ollama

参数说明：

-d：后台运行容器
--name ollama：容器名称为 ollama
-p 11434:11434：映射 Ollama API 端口
-v ollama:/root/.ollama：持久化模型文件
--restart always：容器异常退出或服务器重启后自动启动
ollama/ollama：使用 Ollama 官方镜像

查看容器状态：

docker ps

查看日志：

docker logs -f ollama

九、GPU 方式启动 Ollama

如果你已经配置好 NVIDIA Container Toolkit，可以使用 GPU 启动 Ollama：

docker run -d \
  --gpus all \
  --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  --restart always \
  ollama/ollama

如果你之前已经创建过同名容器，需要先删除：

docker stop ollama
docker rm ollama

然后再执行 GPU 启动命令。

十、下载 DeepSeek 模型

Ollama 容器启动后，可以进入容器下载模型。

docker exec -it ollama bash

进入容器后执行：

ollama pull deepseek-r1:1.5b

如果想下载 7B 模型：

ollama pull deepseek-r1:7b

如果机器配置较高，可以下载更大的模型：

ollama pull deepseek-r1:8b
ollama pull deepseek-r1:14b
ollama pull deepseek-r1:32b

查看已下载模型：

ollama list

退出容器：

exit

也可以不进入容器，直接在宿主机执行：

docker exec -it ollama ollama pull deepseek-r1:7b

十一、运行 DeepSeek 模型

使用以下命令运行 DeepSeek：

docker exec -it ollama ollama run deepseek-r1:7b

然后你可以直接在命令行中提问，例如：

请用 Python 写一个快速排序算法

或者：

解释一下 Docker 的镜像和容器有什么区别

如果要退出对话，可以输入：

/bye

十二、通过 API 调用 DeepSeek

Ollama 默认会暴露 HTTP API，端口为 11434。

如果是在服务器本机调用：

curl http://localhost:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-r1:7b",
    "prompt": "请解释一下什么是大语言模型",
    "stream": false
  }'

如果你在远程电脑访问服务器，需要将 localhost 替换为服务器 IP：

curl http://服务器IP:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-r1:7b",
    "prompt": "请写一段 Nginx 反向代理配置",
    "stream": false
  }'

流式输出示例：

curl http://localhost:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-r1:7b",
    "prompt": "请介绍一下 Kubernetes 的核心组件",
    "stream": true
  }'

十三、部署 Open WebUI 可视化界面

命令行使用 DeepSeek 对开发者来说很方便，但如果想让团队成员像使用 ChatGPT 一样通过浏览器访问，就可以部署 Open WebUI。

Open WebUI 是一个常用的大模型 Web 管理界面，支持对接 Ollama。

十四、Docker 启动 Open WebUI

确保 Ollama 容器已经正常运行，然后执行：

docker run -d \
  --name open-webui \
  -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -v open-webui:/app/backend/data \
  --add-host=host.docker.internal:host-gateway \
  --restart always \
  ghcr.io/open-webui/open-webui:main

参数说明：

-p 3000:8080：将容器内 8080 端口映射到宿主机 3000 端口
-e OLLAMA_BASE_URL：指定 Ollama API 地址
-v open-webui:/app/backend/data：持久化 WebUI 数据
--add-host=host.docker.internal:host-gateway：让容器访问宿主机服务

启动完成后，浏览器访问：

http://服务器IP:3000

如果是本机部署，可以访问：

http://localhost:3000

第一次打开时需要注册管理员账号。注册完成后，在模型列表中选择已经下载好的 DeepSeek 模型即可开始聊天。

十五、推荐方式：Docker Compose 一键部署

如果不想分别执行多个 docker run 命令，推荐使用 Docker Compose 管理 Ollama 和 Open WebUI。

1. 创建项目目录

mkdir -p ~/deepseek-docker
cd ~/deepseek-docker

2. 创建 docker-compose.yml

vim docker-compose.yml

写入以下内容。

CPU 版本 Compose

services:
  ollama:
    image: ollama/ollama
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    restart: always

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - open-webui:/app/backend/data
    depends_on:
      - ollama
    restart: always

volumes:
  ollama:
  open-webui:

GPU 版本 Compose

如果需要 GPU，请使用以下配置：

services:
  ollama:
    image: ollama/ollama
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    restart: always
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - open-webui:/app/backend/data
    depends_on:
      - ollama
    restart: always

volumes:
  ollama:
  open-webui:

如果你的 Docker Compose 环境不支持 deploy.resources.reservations.devices，可以改用前文的 docker run --gpus all 方式启动 Ollama。

3. 启动服务

docker compose up -d

查看服务状态：

docker compose ps

查看日志：

docker compose logs -f

十六、使用 Compose 下载 DeepSeek 模型

服务启动后，执行：

docker exec -it ollama ollama pull deepseek-r1:7b

也可以选择更小的模型：

docker exec -it ollama ollama pull deepseek-r1:1.5b

下载完成后查看模型：

docker exec -it ollama ollama list

测试运行：

docker exec -it ollama ollama run deepseek-r1:7b

浏览器访问：

http://服务器IP:3000

即可通过 Web 界面使用 DeepSeek。

十七、常用运维命令

1. 查看容器

docker ps

查看所有容器，包括已停止的容器：

docker ps -a

2. 查看 Ollama 日志

docker logs -f ollama

3. 查看 Open WebUI 日志

docker logs -f open-webui

4. 重启服务

docker restart ollama
docker restart open-webui

如果使用 Compose：

docker compose restart

5. 停止服务

docker stop ollama open-webui

Compose 方式：

docker compose down

6. 删除容器

docker rm ollama open-webui

7. 删除镜像

docker rmi ollama/ollama
docker rmi ghcr.io/open-webui/open-webui:main

8. 查看 Docker 卷

docker volume ls

9. 删除数据卷

如果你确认不再需要模型和 WebUI 数据，可以删除数据卷：

docker volume rm ollama
docker volume rm open-webui

使用 Compose 创建的数据卷名称可能会带项目前缀，例如：

docker volume ls

再根据实际名称删除。

十八、修改模型存储路径

默认使用 Docker Volume 存储模型文件。如果你希望将模型保存到指定磁盘目录，例如 /data/ollama，可以这样启动：

mkdir -p /data/ollama

CPU 版本：

docker run -d \
  --name ollama \
  -p 11434:11434 \
  -v /data/ollama:/root/.ollama \
  --restart always \
  ollama/ollama

GPU 版本：

docker run -d \
  --gpus all \
  --name ollama \
  -p 11434:11434 \
  -v /data/ollama:/root/.ollama \
  --restart always \
  ollama/ollama

这样模型文件会保存到宿主机的：

/data/ollama

便于备份、迁移和扩容。

十九、配置防火墙

如果你在云服务器上部署，需要放行端口。

常用端口：

11434：Ollama API 端口
3000：Open WebUI 页面端口

如果使用 UFW：

sudo ufw allow 3000/tcp
sudo ufw allow 11434/tcp
sudo ufw reload

查看防火墙状态：

sudo ufw status

安全建议：不建议直接将 11434 暴露到公网。生产环境中最好只开放 WebUI 端口，并通过 Nginx、HTTPS、账号权限、内网访问等方式进行保护。

二十、使用 Nginx 反向代理 Open WebUI

如果希望通过域名访问，例如：

https://ai.example.com

可以使用 Nginx 反向代理。

1. 安装 Nginx

sudo apt install -y nginx

2. 新建配置文件

sudo vim /etc/nginx/conf.d/open-webui.conf

写入：

server {
    listen 80;
    server_name ai.example.com;

    client_max_body_size 100M;

    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_http_version 1.1;

        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;

        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";

        proxy_read_timeout 3600;
        proxy_send_timeout 3600;
    }
}

3. 检查配置

sudo nginx -t

4. 重载 Nginx

sudo systemctl reload nginx

然后访问：

http://ai.example.com

如果需要 HTTPS，可以配合 Certbot 申请免费证书。

二十一、配置 HTTPS 证书

安装 Certbot：

sudo apt install -y certbot python3-certbot-nginx

申请证书：

sudo certbot --nginx -d ai.example.com

按提示输入邮箱并确认，证书申请成功后，Certbot 会自动修改 Nginx 配置。

测试自动续期：

sudo certbot renew --dry-run

二十二、常见问题排查

1. Open WebUI 无法连接 Ollama

先检查 Ollama 是否正常：

docker ps
docker logs -f ollama

测试 API：

curl http://localhost:11434/api/tags

如果使用 Compose，Open WebUI 连接地址应为：

http://ollama:11434

如果使用单独 docker run 方式，连接宿主机 Ollama 时通常使用：

http://host.docker.internal:11434

并需要添加：

--add-host=host.docker.internal:host-gateway

2. 模型下载很慢

模型文件通常比较大，下载慢是正常现象。可以考虑：

使用网络更好的服务器；
选择更小模型，例如 deepseek-r1:1.5b；
避免在高峰期下载；
提前下载后迁移模型目录。

3. GPU 没有被调用

检查宿主机：

nvidia-smi

检查容器 GPU：

docker run --rm --gpus all nvidia/cuda:12.4.1-base-ubuntu22.04 nvidia-smi

检查 Ollama 是否用 GPU 启动：

docker inspect ollama | grep -i nvidia

如果没有 GPU 配置，重新创建容器：

docker stop ollama
docker rm ollama

docker run -d \
  --gpus all \
  --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  --restart always \
  ollama/ollama

4. 显存不足

如果运行模型时报显存不足，可以尝试：

换用更小模型；
降低上下文长度；
停止其他占用 GPU 的程序；
使用量化模型；
使用 CPU 运行，但速度会变慢。

查看 GPU 占用：

nvidia-smi

5. 端口被占用

如果启动时报错：

port is already allocated

说明端口已经被其他程序占用。

查看端口占用：

sudo lsof -i:3000
sudo lsof -i:11434

或：

sudo ss -lntp | grep 3000
sudo ss -lntp | grep 11434

解决方式：

停止占用端口的程序；
修改 Docker 端口映射。

例如将 WebUI 映射到 8080：

docker run -d \
  --name open-webui \
  -p 8080:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -v open-webui:/app/backend/data \
  --add-host=host.docker.internal:host-gateway \
  --restart always \
  ghcr.io/open-webui/open-webui:main

访问：

http://服务器IP:8080

二十三、升级服务

1. 升级 Ollama

docker pull ollama/ollama
docker stop ollama
docker rm ollama

然后使用原来的启动命令重新启动。

CPU：

docker run -d \
  --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  --restart always \
  ollama/ollama

GPU：

docker run -d \
  --gpus all \
  --name ollama \
  -p 11434:11434 \
  -v ollama:/root/.ollama \
  --restart always \
  ollama/ollama

由于模型数据保存在 volume 中，重新创建容器不会删除已下载模型。

2. 升级 Open WebUI

docker pull ghcr.io/open-webui/open-webui:main
docker stop open-webui
docker rm open-webui

重新启动：

docker run -d \
  --name open-webui \
  -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  -v open-webui:/app/backend/data \
  --add-host=host.docker.internal:host-gateway \
  --restart always \
  ghcr.io/open-webui/open-webui:main

3. Compose 方式升级

如果你使用 Docker Compose，则更简单：

docker compose pull
docker compose up -d

二十四、完整快速部署命令汇总

如果你的服务器已经安装 Docker，并且只想快速部署，可以直接使用下面命令。

CPU 快速部署

mkdir -p ~/deepseek-docker
cd ~/deepseek-docker

cat > docker-compose.yml <<'EOF'
services:
  ollama:
    image: ollama/ollama
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    restart: always

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - open-webui:/app/backend/data
    depends_on:
      - ollama
    restart: always

volumes:
  ollama:
  open-webui:
EOF

docker compose up -d

docker exec -it ollama ollama pull deepseek-r1:7b

访问：

http://服务器IP:3000

GPU 快速部署

mkdir -p ~/deepseek-docker
cd ~/deepseek-docker

cat > docker-compose.yml <<'EOF'
services:
  ollama:
    image: ollama/ollama
    container_name: ollama
    ports:
      - "11434:11434"
    volumes:
      - ollama:/root/.ollama
    restart: always
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    ports:
      - "3000:8080"
    environment:
      - OLLAMA_BASE_URL=http://ollama:11434
    volumes:
      - open-webui:/app/backend/data
    depends_on:
      - ollama
    restart: always

volumes:
  ollama:
  open-webui:
EOF

docker compose up -d

docker exec -it ollama ollama pull deepseek-r1:7b

访问：

http://服务器IP:3000

二十五、总结

使用 Docker 部署 DeepSeek 的核心思路非常清晰：

安装 Docker；
如果使用 GPU，安装 NVIDIA Container Toolkit；
启动 Ollama 容器；
下载 DeepSeek 模型；
可选部署 Open WebUI；
通过浏览器或 API 使用模型。

对于个人用户，推荐使用：

Docker + Ollama + Open WebUI

对于企业环境，建议进一步增加：

Nginx 反向代理；
HTTPS 证书；
账号权限控制；
内网访问限制；
日志与监控；
数据备份；
GPU 资源隔离。

如果只是快速体验，使用 deepseek-r1:1.5b 或 deepseek-r1:7b 即可；如果追求更好的推理效果，可以根据显存情况选择 14b、32b 或更大模型。

通过本文提供的命令，你可以在较短时间内完成 DeepSeek 的 Docker 本地化部署，并搭建出一个可供浏览器访问的 AI 对话系统。

文章标签： DeepSeek Docker Ollama OpenWebUI

上一篇：站长实战：用 Docker 快速搭建 DeepSeek 私有 AI 服务

下一篇：用 Docker 跑 DeepSeek：从安装到 WebUI 的完整部署命令包

更多栏目

新闻动态

文档中心

下载中心

目录结构

全文

产品与服务

新闻帮助

生态合作

了解我们