跳到主要内容

Chatbot

本指南介绍如何使用 Ollama（轻量推理引擎）在 NVIDIA Jetson Orin 设备上本地部署 DeepSeek-R1 大语言模型，实现离线 AI 交互，安装配置简单高效。

1. 概览​

像 DeepSeek-R1 这样的 LLM（大语言模型）正逐步成为边缘智能应用的核心。直接在 Jetson Orin 上运行的好处包括：

  • 完全离线运行
  • 低延迟响应
  • 数据隐私增强

本指南内容包括：

  • 环境准备
  • 安装 Ollama
  • 运行 DeepSeek-R1 模型
  • 使用 Open WebUI 提供网页界面（可选）

【图片】图示：基于 Open WebUI 的 Web 聊天界面（占位图）

2. 环境准备​

硬件需求​

组件要求
设备Jetson Orin（Nano / NX / AGX）
内存≥ 8GB（更大模型需更高内存）
存储空间≥ 10GB（取决于模型大小）
GPU支持 CUDA 的 NVIDIA GPU

软件需求​

  • Ubuntu 20.04 / 22.04（建议使用 JetPack 5.1.1+）
  • NVIDIA CUDA 工具包和驱动（JetPack 已预装）
  • Docker（可选，用于容器化部署）

⚙️ 使用 jetson_clocks 和检查 nvpmodel，启用最大性能模式以获得最佳推理效果。

3. 安装 Ollama（推理引擎）​

方式 A：原生脚本安装​

curl -fsSL https://ollama.com/install.sh | sh
  • 安装 Ollama 服务与 CLI 工具
  • 自动处理依赖并配置后台服务

方式 B：基于 Docker 部署​

sudo docker run --runtime=nvidia --rm --network=host \
  -v ~/ollama:/ollama \
  -e OLLAMA_MODELS=/ollama \
  dustynv/ollama:r36.4.0

🧩 Docker 版本由 NVIDIA 社区（dustynv）维护，已针对 Jetson 优化

验证 Ollama 是否运行中​

ss -tuln | grep 11434

预期输出：

LISTEN 0 128 127.0.0.1:11434 ...

若端口 11434 正在监听，说明 Ollama 服务已启动。

4. 运行 DeepSeek-R1 模型​

启动模型​

运行 1.5B 参数版本：

ollama run deepseek-r1:1.5b
  • Ollama 会自动下载模型（若本地未缓存）
  • 命令行中开始交互式对话

💡 根据硬件能力，可将 1.5b 替换为 8b、14b 等版本

模型版本对比​

版本内存需求备注
1.5B~6–8 GB适用于 Orin Nano/NX
8B+≥ 16 GB需使用 AGX Orin
70B🚫Jetson 不支持

5. 网页界面（Open WebUI）​

Open WebUI 提供了基于浏览器的人性化对话界面。 open_webui

安装 Open WebUI（使用 Docker）​

sudo docker run -d --network=host \
  -v ${HOME}/open-webui:/app/backend/data \
  -e OLLAMA_BASE_URL=http://127.0.0.1:11434 \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

访问 WebUI​

浏览器访问：

http://localhost:3000/
  • 在浏览器中与 DeepSeek-R1 模型进行图形化交互
  • 可查看对话历史与模型响应内容

6. 性能优化建议​

优化方向建议
内存使用使用小模型（如 1.5B）或开启 swap
Jetson 性能模式启用 MAXN 模式 + jetson_clocks
模型缓存确保 ~/ollama 目录有足够空间
运行监控使用 htop、tegrastats 实时查看负载情况

📉 首次运行模型时加载时间约为 30 秒至 1 分钟，之后使用缓存加载更快。

7. 故障排查​

问题解决办法
端口 11434 未监听重启 Ollama 或检查 Docker 容器状态
模型加载失败内存不足，尝试使用更小版本（如 1.5B）
无法访问 Web UI检查 Docker 是否运行并已连接宿主网络
找不到 Ollama 命令重新运行安装脚本或将其加入 $PATH

8. 附录​

示例目录结构​

~/ollama/                # 模型缓存目录
~/open-webui/            # WebUI 持久化数据

参考资源​