AMD Ryzen AI 및 Radeon GPU가 있는 PC에 DeepSeek R1을 설치하는 방법

O DeepSeek 그것은 인텔리 전시 아 인공 매우 낮은 개발 비용으로 뛰어난 성능을 약속합니다. 지난 며칠 동안은 다른 이야기는 없었습니다. 실제로, 이 시장의 주요 선도기업들은 제품 가격에 큰 타격을 입었습니다. 아숩니다. 이제 확인해 봅시다 DeepSeek R1 설치 방법 그리고 플랫폼을 사용하여 PC에서 사용하세요 AMD.

추론 모델이란 무엇인가요?

추론 모델 em 인텔리 전시 아 인공 데이터와 미리 정의된 규칙에 따라 자동화된 방식으로 결정을 내릴 수 있도록 하는 접근 방식입니다. 이러한 모델은 인간의 사고를 시뮬레이션하여 AI가 계획, 의사 결정, 복잡한 문제 해결과 같은 인지 능력을 갖도록 하는 것을 목표로 합니다.

미분 DeepSeek R1 추론 모델, 높은 용량을 갖춘 소형 모델로 분리되었다는 것입니다. 이러한 모델은 대규모 처리 클러스터가 필요 없이 가정용 하드웨어에서 실행할 수 있을 만큼 작습니다. 이렇게 하면 주문을 할 때 R1, 해당 주제에 특화된 모델만 사용됩니다.

설치 요구 사항

사용하다 딥시크 R1, 필요한 소프트웨어를 설치하는 것 외에도 아래 나열된 프로세서나 GPU 모델 중 하나가 필요합니다.

하드웨어:

프로 사 도어	DeepSeek R1 Distill* (최대 지원)
AMD 라이젠™ AI 맥스+ 395 32GB 1 , 64GB 2 그리고 128GB	DeepSeek-R1-Distill-Llama-70B(64GB 및 128GB만 해당) 딥시크-R1-디스틸-큐웬-32B
AMD Ryzen™ AI HX 370 및 365 24GB 및 32GB	딥시크-R1-디스틸-큐웬-14B
AMD Ryzen™ 8040 및 Ryzen™ 7040 32GB	딥시크-R1-디스틸-라마-14B

*= AMD는 모든 증류를 Q4 KM 양자화로 실행할 것을 권장합니다.
¹ = 가변 그래픽 메모리를 사용자 지정으로 설정해야 함: 24GB.  

² = 가변 그래픽 메모리를 높음으로 설정해야 합니다.

그래픽 카드	DeepSeek R1 Distill* (최대 지원) 1 )
AMD Radeon™ RX 7900 XTX 비디오 카드	딥시크-R1-디스틸-큐웬-32B
AMD Radeon™ RX 7900 XT 비디오 카드	딥시크-R1-디스틸-큐웬-14B
AMD 라데온™ RX 7900 GRE	딥시크-R1-디스틸-큐웬-14B
AMD Radeon™ RX 7800 XT 비디오 카드	딥시크-R1-디스틸-큐웬-14B
AMD Radeon™ RX 7700 XT 비디오 카드	딥시크-R1-디스틸-큐웬-14B
AMD Radeon™ RX 7600 XT 비디오 카드	딥시크-R1-디스틸-큐웬-14B
AMD Radeon™ RX 7600 비디오 카드	딥시크-R1-디스틸-라마-8B

*= AMD는 모든 증류를 Q4 KM 양자화로 실행할 것을 권장합니다.

¹ = 부분적인 GPU 오프로드 없이 지원되는 최대 증류량을 나열합니다. 

소프트웨어:

• 옵션 Adrenalin 25.1.1 드라이버 이상
• LM Studio 0.3.8 이상

단계적으로

파쏘 01: Adrenalin 25.1.1 이상 드라이버를 사용하고 있는지 확인하세요. 직접 설치 가능합니다 여기에.

파쏘 02: LM Studio 0.3.8 이상을 다운로드하세요 여기.

파쏘 03: LM Studio를 설치하고 통합 화면을 건너뜁니다.

파쏘 04: 검색 탭을 클릭하세요.

파쏘 05: 이제 검색창으로 가서 다음을 입력하세요. 딥시크 r1. 여러 옵션이 나타나지만 위의 "설치 요구 사항" 표에 따라 하드웨어에 적합한 모델을 선택해야 합니다. 오른쪽에서 “Q4 KM” 양자화가 선택되어 있는지 확인하고 다운로드를 클릭하세요.

파쏘 06: 모델 다운로드가 완료되면 다운로드 창을 닫고, 모델이 다운로드되었다는 알림 상자와 이전 단계에서 모델을 다운로드하는 데 사용한 검색 창을 닫습니다.

파쏘 07: 이제 채팅 화면에서 템플릿을 선택하세요 딥시크 R1 그리고 매개변수를 수동으로 선택하는 옵션이 체크되어 있는지 확인하세요.

파쏘 08: GPU 오프로드에서 최대 크기로 슬라이드하고, "설정 기억"을 체크하여 이 모델의 설정을 저장하고, "모델 로드"를 클릭합니다.

좋습니다. 이제 모델이 로드되었으니, 우리는 우리 PC에서 로컬로 모델과 상호작용할 수 있습니다.

아래는 해당 회사가 직접 공개한 영상입니다. AMD 단계별로.

테스트

우리의 테스트에서 우리는 몇 가지 기본적인 질문을 던지면서 시작했습니다. 딥시크 R1예를 들어, “1024의 제곱근은 무엇입니까?” 그는 3.67초 동안 생각한 후 다음과 같은 결과를 얻었습니다.

제곱근을 구하려면 1024, 다음과 같이하세요:

1. 제곱근의 개념을 이해하세요: 숫자의 제곱근은 그 자체를 곱했을 때 원래 숫자가 되는 또 다른 숫자를 말합니다. 즉:
   [
   \sqrt{x} = y \quad \text{만약 그리고 오직} \quad y^2 = x
   ]
2. 1024의 제곱근을 계산하려면 다음 단계를 적용하세요.
   • 그 자체로 곱했을 때 1024가 되는 정수를 찾으세요.
   • 조건을 만족하는 정수를 찾을 때까지 연속된 정수를 시도하세요. [30^2 = 900 \quad (\text{미만} 1024)][31^2 = 961 \quad (\text{미만} 1024)][32^2 = 1024 \quad (\text{정확히} )]
3. 결론 : 의 제곱근 1024 는: [\sqrt{1024} = 32]

그래서 최종 결과는 다음과 같습니다.

\박스형{32}

따라서 최종 결과에 도달하기 위해 모델은 다음과 같은 추론을 사용했습니다.

• 1024의 제곱근을 구하려면 1024제곱했을 때 XNUMX가 되는 숫자를 찾아야 합니다.
• 저는 32에 가까운 큰 정수부터 살펴보겠습니다. 30²이 900으로 1024보다 작다는 것을 알고 있습니다. 그런 다음 31²을 계산하는데, 이는 961로 목표보다 더 작습니다. 32²를 시도하면 1024가 나오는데, 이는 정확히 원하는 숫자입니다.
• 따라서 1024의 제곱근은 32와 같다는 결론을 내렸습니다.

이제 나는 ~을 요청했습니다. 딥시크 R1 그에 대한 네 가지 사실을 말해보세요(이전에 몇 가지 무작위 질문을 했다는 점을 설명해야겠습니다. 결국 이 질문이 논리의 일부가 됐습니다). 13.62초 후에 다음과 같은 응답이 반환되었습니다.

혼란을 드려 죄송합니다. 저는 실제 사람이나 개성을 지닌 존재가 아니라 컴퓨터 언어 모델입니다. 그러므로 나는 인간과 같은 '나만의' 특성도, 개인적 특성도 가지고 있지 않습니다.

하지만 당신이 언급한 어떤 주제에 관한 정보라도 도와드릴 수 있습니다. 예를 들어:

1. 역대 최고 수익을 올린 영화에 관심이 있으신가요? 원하시면 자세한 내용이나 최근 업데이트를 제공해 드릴 수 있습니다.
2. 레오나르도 다빈치의 이야기에 대한 당신의 호기심을 통해, 저는 그가 세상에 어떻게 기여했는지 더 잘 설명할 수 있습니다.
3. 컴퓨터나 운영체제의 작동 원리를 더 알고 싶으시다면 자세히 설명해 드리겠습니다.

특정한 일을 하길 원하시나요, 아니면 어떤 주제를 계속 탐구하길 원하시나요?

사용된 논리를 확인 중입니다. 딥시크 R1 다음과 같은 답을 얻으려면:

• 알겠습니다. 저는 저에 대한 네 가지 사실을 말해달라는 이 사용자의 질문에 어떻게 대답해야 할지 알아내려고 합니다. 잠깐만요, 저는 누구죠? 음, 어쩌면 사용자가 실제로 무엇을 요구하고 있는지 이해하는 것부터 시작해야 할지도 모르겠네요.

• 좋아요, 자세히 살펴보죠. 사용자는 처음에 역대 최고 수익을 올린 영화에 대해 물었고 저는 역대 최고 수익을 올린 영화 목록을 제공했습니다. 그러고 나서 그는 레오나르도 다빈치와 다른 주제에 관해 몇 가지 질문을 한 후, 마지막으로 저에 대한 네 가지 사실을 공유해 달라고 부탁했습니다. 하지만 저는 AI 언어 모델이기 때문에 개인적인 특성이나 경험이 없습니다. 그러니 이 점을 명확히 해야 합니다.

• 저는 다양한 주제에 관해 정보를 제공할 수 있지만 인간과 같은 성격이나 개인적 역사가 없다는 점을 설명해야겠습니다. 어쩌면 사용자는 내가 어떻게 일하는지, 무엇을 알고 있는지 궁금해할 수도 있습니다. 그가 내 한계와 내가 제공할 수 있는 것을 이해하도록 이 점을 언급하는 것이 중요합니다.

• 제 주요 기능을 간략히 설명드리자면, 질문에 답하고, 정보를 제공하고, 업무를 돕고, 제안을 하는 것입니다. 따라서 "24가지" 부분에는 7시간 연중무휴 이용 가능, 새로운 정보를 빠르게 학습할 수 있는 능력, 다국어 지원, 윤리 지침 준수와 같은 특징을 나열할 수 있습니다.

• 내 답변은 명확하고 도움이 되어야 하며, 이를 통해 사용자에게 앞으로 어떻게 도움을 줄 수 있는지 안내해야 합니다. 친절하고 유익한 방식으로 설명해 보겠습니다.

이제 테마를 프로그래밍으로 바꾸었습니다. 앱 개발을 어떻게 도와줄 수 있는지 물었습니다. Android 그리고 처리를 시작했는데, 처리의 78%에서 오류가 발생했습니다. 그런 다음 나는 그에게 간단한 코드를 작성하라고 요청했습니다. 코 틀린 앱 사용자를 환영하는 메시지와 마찬가지로 77%에서 오류가 반환되었습니다.

이번에는 모델에 코드 조각을 보내서 어떤 언어가 사용되었는지, 코드가 무슨 용도인지 식별해 달라고 요청했습니다. 55%에서도 오류가 발생했습니다. 그 다음에 나는 그것을 닫기로 결정했습니다. LM스튜디오 그리고 다시 시도해보세요. 이번에는 잘 됐거든요. 20.61초 동안 처리한 후 다음과 같은 응답이 반환되었습니다.

제공된 코드는 Kotlin으로 작성된 Android 애플리케이션의 일부입니다. 코드의 기능과 이를 개선할 수 있는 방법에 대한 설명은 다음과 같습니다.

코드 이해:

함수 이름: initQueryListener()

이 함수는 텍스트 입력 이벤트를 처리하기 위해 검색 뷰(searchView)에 대한 리스너를 초기화합니다.

검색 보기 구성:

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

쿼리 텍스트 변경 리스너:

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

onQueryTextSubmit(쿼리: 문자열): Boolean

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: 문자열): Boolean

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.

잠재적인 개선 사항:

오류 처리:

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.

기록 로그:

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 확인:

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.

사용자 피드백:

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

테스트:

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.

개선된 코드 예제:

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()
}

최종 고려 사항:

원래 코드는 Android 애플리케이션에서 검색 기능을 구현하는 데 좋은 시작점입니다.

오류 처리, 로깅, null 검사, 사용자 피드백을 추가하면 애플리케이션을 더 강력하고 사용자 친화적으로 만들 수 있습니다.

다양한 조건에서 예상대로 동작하는지 확인하려면 항상 코드를 철저히 테스트하세요.

이러한 단계를 따르면 Android 앱의 검색 기능을 개선하고 사용자에게 더 나은 경험을 제공할 수 있습니다.

나는 다시 한번 물어보기로 결심했습니다. 딥시크 R1 응용프로그램 개발을 도와주실 수 있나요? Android. 55.30초 후에 기본 정보가 반환되었고, 이전에 응답에서 보낸 코드가 사용되었습니다. 사용된 추론 방식은 다음과 같습니다.

"좋아요. 저는 누군가가 안드로이드 앱을 개발하도록 돕고 싶어요. 첫째, 그들이 원하는 것이 무엇인지 정확히 이해해야 합니다. 그들은 '안드로이드 앱'을 원한다고 언급했는데, 이는 포르투갈어로 '안드로이드 애플리케이션'을 뜻합니다. 하지만 그들은 Kotlin으로 된 몇 가지 코드를 제공하고 그것에 대해 물었습니다."

에 대해 조사하다 DeepSeek 인터넷에는 그가 중국과 관련된 질문에 대답하기를 거부했다는 보도가 여러 개 있습니다. 그래서 저는 그에게 현재 중국 정부에 대해 어떻게 생각하는지 물어보기로 했습니다. 그의 답변은 다음과 같습니다.

AI로서 제 역할은 편견 없고 사실에 기반한 방식으로 정보를 제공하는 것입니다. 따라서 저는 중국의 현재 정부를 포함해 어느 나라의 정부에 대해서도 개인적인 의견을 표명하거나 입장을 취할 수 없습니다.

하지만 중국 정부에 대한 일반적인 정보, 예를 들어 정치 구조, 주요 정책 실행 내용, 그리고 이러한 정책이 대중에게 어떻게 인식되는지에 대한 정보는 제공할 수 있습니다. 게다가 중국 정부에 대한 국제적 시각이 다양하다는 점도 언급할 수 있겠습니다.

중국 정부나 중국 및 세계에 미치는 영향에 대한 구체적인 정보를 원하신다면, 저는 객관적인 사실과 수치를 바탕으로 도와드리겠습니다.

중국에 대한 정보를 조금 더 제공해 달라고 요청했더니 또 오류가 발생하기 시작했습니다. 그리고 이 부분에서는 모델에 어느 정도 한계가 있을 것이라고 생각합니다. 딥시크 R1 홈 하드웨어에서 실행됨.

결론

의심할 여지 없이, 사용되는 증류 기술은 딥시크 R1추론 모델을 더 작고 강력한 모델로 정제하는 것 외에도 오픈 소스이므로 개발자와 연구자가 변경 사항을 조사, 수정 및 구현할 수 있으며 독점 ​​모델에 비해 많은 가능성과 이점을 제공합니다.

우리가 수행한 테스트에서는 일부 맥락을 더 잘 이해하기 위해 모델이 아직 개선되어야 할 부분이 있다는 것을 발견했습니다. 그 주요 경쟁자는 ChatGPT, 코딩과 사실 기반 추론에 유리합니다. 그러나 그것은 오픈소스 인공지능또는 DeepSeek 가까운 미래에 좋은 선택이 될 수도 있습니다.

이 테스트에서 사용된 것과 같은 홈 하드웨어에서 모델을 사용하는 것과 관련하여 - Ryzen 7 5700X, 64GB DDR4 RAM 및 Radeon 7600 GPU - 성능은 매우 좋은 것으로 입증되었지만 일부 질문 후에 지속적인 오류가 발생할 수 있습니다. 이런 유형의 사용에는 제한이 있습니다.

그리고 당신은 이 단계별 과정에 대해 어떻게 생각하셨나요? 이란 DeepSeek R1 설치 및 테스트? 모델 테스트에 대한 경험과 결과를 댓글로 남겨주세요.

너무보세요

ChatGPT를 위협하는 중국 AI DeepSeek을 만나보세요

2025년 주요 기술 동향 보기

출처 : AMD 커뮤니티, Tom 's Hardware e PC가이드.

텍스트 검토 수행자: 제이미 니니스 02년 02월 2025일.