สอนติดตั้ง DeepSeek AI: คู่มือฉบับเข้าใจง่ายสำหรับทุกคน
DeepSeek AI เป็นโมเดลภาษาขนาดใหญ่ (Large Language Model: LLM) ที่กำลังได้รับความนิยมอย่างมาก ด้วยความสามารถในการประมวลผลภาษาธรรมชาติที่ทรงพลัง ทำให้ DeepSeek AI สามารถนำไปประยุกต์ใช้ได้หลากหลาย ไม่ว่าจะเป็นการสร้างเนื้อหา การตอบคำถาม การแปลภาษา หรือแม้แต่การเขียนโค้ด หากคุณสนใจที่จะลองใช้งาน DeepSeek AI บทความนี้จะแนะนำขั้นตอนการติดตั้งอย่างละเอียด พร้อมอธิบายให้เข้าใจง่ายสำหรับทุกคน
ทำไมต้องติดตั้ง DeepSeek AI ด้วยตัวเอง?
หลายคนอาจสงสัยว่าทำไมเราต้องติดตั้ง DeepSeek AI ด้วยตัวเอง ในเมื่อมีบริการ Cloud API ให้ใช้งานได้? การติดตั้งด้วยตัวเองมีข้อดีหลายประการ เช่น:
- ความเป็นส่วนตัว: ข้อมูลของคุณจะไม่ต้องส่งไปยัง Server ของบุคคลที่สาม
- ความเร็ว: การประมวลผลบนเครื่องคอมพิวเตอร์ของคุณเองอาจเร็วกว่าการใช้ API ที่ต้องส่งข้อมูลไปยัง Server
- ความยืดหยุ่น: คุณสามารถปรับแต่งโมเดลและใช้ทรัพยากรของเครื่องได้อย่างเต็มที่
- ประหยัดค่าใช้จ่าย: การใช้โมเดลบนเครื่องตัวเองอาจช่วยประหยัดค่าใช้จ่ายในการใช้งาน API ในระยะยาว
สิ่งที่ต้องเตรียมก่อนการติดตั้ง:
ก่อนเริ่มการติดตั้ง เราต้องเตรียมความพร้อมดังนี้:
- คอมพิวเตอร์ที่มีสเปคเพียงพอ: DeepSeek AI เป็นโมเดลขนาดใหญ่ จึงต้องการทรัพยากรคอมพิวเตอร์พอสมควร โดยเฉพาะอย่างยิ่ง RAM และ GPU ที่มีประสิทธิภาพ
- RAM: ขั้นต่ำ 16GB (แนะนำ 32GB หรือมากกว่า)
- GPU: Nvidia GPU (แนะนำรุ่นที่มี VRAM 8GB ขึ้นไป)
- CPU: CPU ที่มีประสิทธิภาพพอสมควร (เช่น Intel Core i5 หรือ AMD Ryzen 5 ขึ้นไป)
- ระบบปฏิบัติการ: สามารถใช้ได้ทั้ง Windows, macOS และ Linux
- Python: ติดตั้ง Python เวอร์ชั่น 3.8 ขึ้นไป
- Pip: ตัวจัดการแพ็คเกจของ Python
- Git: เครื่องมือควบคุมเวอร์ชัน (ถ้าต้องการดาวน์โหลดโค้ดจาก GitHub)
- พื้นที่จัดเก็บข้อมูล: มีพื้นที่ว่างอย่างน้อย 20GB ขึ้นไป (ขึ้นอยู่กับขนาดของโมเดลที่เลือก)
ขั้นตอนการติดตั้ง DeepSeek AI:
เราจะใช้ตัวอย่างการติดตั้ง DeepSeek AI ด้วย llama.cpp ซึ่งเป็น library ที่ช่วยให้รันโมเดลภาษาขนาดใหญ่บนเครื่องได้ง่ายขึ้น
1. ติดตั้ง Python และ Pip:
- Windows: ดาวน์โหลดตัวติดตั้งจากเว็บไซต์ Python (python.org) แล้วติดตั้งตามขั้นตอน
- macOS: Python มักจะถูกติดตั้งมาให้แล้ว หากยังไม่มี สามารถติดตั้งจากเว็บไซต์ Python ได้เช่นกัน
- Linux: ใช้คำสั่งใน terminal:
sudo apt update sudo apt install python3 python3-pipcontent_copydownloadUse code with caution.Bash
2. ติดตั้ง Git:
- Windows: ดาวน์โหลดตัวติดตั้งจากเว็บไซต์ Git (git-scm.com) แล้วติดตั้งตามขั้นตอน
- macOS: Git มักจะถูกติดตั้งมาให้แล้ว หากยังไม่มี สามารถติดตั้งจากเว็บไซต์ Git ได้เช่นกัน
- Linux: ใช้คำสั่งใน terminal:
sudo apt install gitcontent_copydownloadUse code with caution.Bash
3. ดาวน์โหลดและติดตั้ง llama.cpp:
- Windows:
- เปิด Command Prompt หรือ PowerShell
- สร้าง directory ที่ต้องการ: mkdir llama-cpp
- เปลี่ยนไปยัง directory ที่สร้าง: cd llama-cpp
- โคลน repository จาก GitHub: git clone https://github.com/ggerganov/llama.cpp
- เปลี่ยนไปยัง directory llama.cpp: cd llama.cpp
- สร้าง directory สำหรับ build: mkdir build
- เปลี่ยนไปยัง directory build: cd build
- ติดตั้ง cmake: pip install cmake
- สร้าง build file: cmake ..
- Compile: cmake –build . –config Release
- macOS/Linux:
- เปิด Terminal
- สร้าง directory ที่ต้องการ: mkdir llama-cpp
- เปลี่ยนไปยัง directory ที่สร้าง: cd llama-cpp
- โคลน repository จาก GitHub: git clone https://github.com/ggerganov/llama.cpp
- เปลี่ยนไปยัง directory llama.cpp: cd llama.cpp
- สร้าง directory สำหรับ build: mkdir build
- เปลี่ยนไปยัง directory build: cd build
- ติดตั้ง cmake: sudo apt install cmake (สำหรับ Linux)
- สร้าง build file: cmake ..
- Compile: make -j
4. ดาวน์โหลดโมเดล DeepSeek AI:
- ค้นหาโมเดล DeepSeek AI ที่ต้องการจาก Hugging Face หรือแหล่งอื่นๆ โดยโมเดลมักจะอยู่ในรูปแบบ .gguf
- ดาวน์โหลดโมเดลไปยังโฟลเดอร์ที่ต้องการ (เช่น llama-cpp/models/)
5. รัน DeepSeek AI:
- เปิด Terminal/Command Prompt แล้วไปยัง directory llama-cpp/build
- ใช้คำสั่งต่อไปนี้เพื่อรันโมเดล:
./main -m <path_to_model.gguf> -n <number_of_tokens> -p "<your_prompt>"content_copydownloadUse code with caution.Bash- <path_to_model.gguf>: คือ path ไปยังไฟล์โมเดลที่คุณดาวน์โหลด
- <number_of_tokens>: จำนวน token ที่ต้องการให้โมเดลสร้าง
- <your_prompt>: ข้อความที่คุณต้องการให้โมเดลตอบ
ตัวอย่าง:
สมมติว่าคุณดาวน์โหลดโมเดล deepseek-coder-6.7b-instruct.gguf ไปไว้ที่ llama-cpp/models/ และต้องการให้โมเดลสร้างข้อความ 100 token โดยมี prompt ว่า “เขียนโค้ด Python เพื่อคำนวณพื้นที่สามเหลี่ยม”:
./main -m ../models/deepseek-coder-6.7b-instruct.gguf -n 100 -p "เขียนโค้ด Python เพื่อคำนวณพื้นที่สามเหลี่ยม"การติดตั้งผ่าน Ollama
Ollama เป็นเครื่องมือที่ช่วยให้การดาวน์โหลด รัน และจัดการโมเดลภาษาขนาดใหญ่ (LLM) บนเครื่องคอมพิวเตอร์ของคุณเป็นเรื่องง่าย โดยมาพร้อมกับ interface ที่ใช้งานง่าย และรองรับการใช้งานโมเดลจากหลายแหล่ง
ข้อดีของการใช้ Ollama:
- ติดตั้งง่าย: ไม่ต้องยุ่งยากกับการ Compile และการตั้งค่าต่างๆ
- ใช้งานสะดวก: เพียงแค่ดาวน์โหลดโมเดลและรันคำสั่งง่ายๆ
- จัดการโมเดลได้ง่าย: มีคำสั่งสำหรับจัดการโมเดลที่ดาวน์โหลด
- Cross-Platform: รองรับทั้ง macOS, Linux และ Windows (ผ่าน WSL2)
สิ่งที่ต้องเตรียมก่อนการติดตั้ง Ollama:
- คอมพิวเตอร์ที่มีสเปคเพียงพอ: เช่นเดียวกับการติดตั้งด้วย llama.cpp ต้องมี RAM และ GPU ที่เพียงพอ
- RAM: ขั้นต่ำ 16GB (แนะนำ 32GB หรือมากกว่า)
- GPU: Nvidia GPU (แนะนำรุ่นที่มี VRAM 8GB ขึ้นไป)
- CPU: CPU ที่มีประสิทธิภาพพอสมควร (เช่น Intel Core i5 หรือ AMD Ryzen 5 ขึ้นไป)
- ระบบปฏิบัติการ: รองรับ macOS, Linux และ Windows (ผ่าน WSL2)
- พื้นที่จัดเก็บข้อมูล: มีพื้นที่ว่างอย่างน้อย 20GB ขึ้นไป (ขึ้นอยู่กับขนาดของโมเดลที่เลือก)
ขั้นตอนการติดตั้งและใช้งาน DeepSeek AI ด้วย Ollama:
1. ดาวน์โหลดและติดตั้ง Ollama:
- macOS:
- เข้าไปที่เว็บไซต์ Ollama (ollama.ai) แล้วดาวน์โหลดตัวติดตั้งสำหรับ macOS
- เปิดไฟล์ Ollama.pkg และทำตามขั้นตอนการติดตั้ง
- Linux:
- เปิด Terminal
- ใช้คำสั่ง:
curl -fsSL https://ollama.com/install.sh | shcontent_copydownloadUse code with caution.Bash
- Windows (ผ่าน WSL2):
- ตรวจสอบว่าคุณได้ติดตั้ง WSL2 และ Linux Distro แล้ว
- เปิด Terminal ของ Linux Distro ใน WSL2
- ใช้คำสั่ง:
curl -fsSL https://ollama.com/install.sh | shcontent_copydownloadUse code with caution.Bash
2. ตรวจสอบการติดตั้ง:
- เปิด Terminal/Command Prompt
- พิมพ์ ollama –version ถ้าการติดตั้งสำเร็จ จะแสดงเวอร์ชันของ Ollama
3. ดาวน์โหลดโมเดล DeepSeek AI:
- ใช้คำสั่ง ollama pull ตามด้วยชื่อโมเดล DeepSeek AI ที่ต้องการดาวน์โหลด โดย Ollama จะดึงโมเดลจาก Hugging Face หรือแหล่งอื่นๆ โดยอัตโนมัติ
- ตัวอย่าง:
ollama pull deepseek-codercontent_copydownloadUse code with caution.Bash- ชื่อโมเดล deepseek-coder เป็นโมเดลที่มีขนาดเล็กและเหมาะสำหรับการทดลองเบื้องต้น
- หากต้องการดาวน์โหลดโมเดลที่มีขนาดใหญ่กว่า สามารถใช้ชื่อโมเดลที่ต้องการได้ เช่น deepseek-coder:6.7b-instruct (ชื่อโมเดลอาจแตกต่างกันไปตามแหล่งที่มา)
4. รัน DeepSeek AI:
- ใช้คำสั่ง ollama run ตามด้วยชื่อโมเดลที่ดาวน์โหลด
- ตัวอย่าง:
ollama run deepseek-codercontent_copydownloadUse code with caution.Bash - หลังจากนั้น คุณจะเห็น prompt ให้ป้อนคำสั่งหรือข้อความที่คุณต้องการให้ DeepSeek AI ตอบ
- ตัวอย่าง:
>>> เขียนโค้ด Python เพื่อคำนวณพื้นที่วงกลมcontent_copydownloadUse code with caution. - DeepSeek AI จะตอบกลับด้วยข้อความที่สร้างขึ้น
5. คำสั่ง Ollama ที่ควรรู้:
- ollama list: แสดงรายการโมเดลที่คุณได้ดาวน์โหลด
- ollama show <model_name>: แสดงรายละเอียดของโมเดล
- ollama rm <model_name>: ลบโมเดล
- ollama create <model_name> -f <path_to_modelfile>: สร้างโมเดลจาก Modelfile (สำหรับผู้ใช้ขั้นสูง)
ตัวอย่างการใช้งานจริง:
- ดาวน์โหลดโมเดล:
ollama pull deepseek-coder:6.7b-instructcontent_copydownloadUse code with caution.Bash - รันโมเดล:
ollama run deepseek-coder:6.7b-instructcontent_copydownloadUse code with caution.Bash - ป้อนข้อความ:
>>> จงเขียนบทความสั้นๆ เกี่ยวกับประโยชน์ของ AI ในการศึกษาcontent_copydownloadUse code with caution.
คำแนะนำเพิ่มเติม:
- GPU Acceleration: Ollama จะใช้ GPU ของคุณโดยอัตโนมัติหากมีการตรวจพบ แต่คุณสามารถปรับแต่งการตั้งค่าได้
- Modelfile: Ollama รองรับ Modelfile ซึ่งเป็นไฟล์ที่ใช้ในการกำหนดค่าโมเดลขั้นสูง
- GUI: มีหลาย GUI ที่ทำงานร่วมกับ Ollama ได้ เช่น Open WebUI (Formerly known as Ollama WebUI)
- อัพเดต: คอยอัพเดต Ollama และโมเดลต่างๆ เพื่อให้ได้ประสิทธิภาพที่ดีที่สุด
สรุป:
การติดตั้งและใช้งาน DeepSeek AI ด้วย Ollama นั้นง่ายและสะดวกกว่าการใช้ llama.cpp โดยตรง ด้วยคำสั่งที่ไม่ซับซ้อน ทำให้ทุกคนสามารถทดลองใช้งานโมเดลภาษาขนาดใหญ่ได้โดยไม่ต้องกังวลเรื่องการตั้งค่าที่ยุ่งยาก
หวังว่าบทความนี้จะช่วยให้คุณเริ่มต้นใช้งาน DeepSeek AI ได้อย่างราบรื่น หากมีคำถามเพิ่มเติม สามารถสอบถามได้เสมอครับ!
การติดตั้งบน LM STUDIO
LM Studio คืออะไร?
LM Studio เป็นแอปพลิเคชันเดสก์ท็อปฟรี ที่ช่วยให้คุณดาวน์โหลด รัน และจัดการโมเดลภาษาขนาดใหญ่ (LLM) ได้อย่างง่ายดาย โดยมี interface ที่ใช้งานง่าย รองรับการทำงานบนหลายระบบปฏิบัติการ และมีฟีเจอร์ต่างๆ ที่ช่วยให้การทดลองใช้งาน LLM เป็นเรื่องสนุกและสะดวกสบาย
ข้อดีของการใช้ LM Studio:
- GUI ที่ใช้งานง่าย: ไม่ต้องใช้คำสั่ง Terminal ให้ยุ่งยาก
- จัดการโมเดลได้สะดวก: ดาวน์โหลด จัดการ และสลับโมเดลได้ง่าย
- รองรับโมเดลหลากหลาย: รองรับโมเดลจาก Hugging Face และแหล่งอื่นๆ
- Cross-Platform: รองรับ Windows, macOS และ Linux
- มีฟีเจอร์หลากหลาย: เช่น การปรับแต่งพารามิเตอร์, การบันทึก Chat Log, และอื่นๆ
สิ่งที่ต้องเตรียมก่อนการติดตั้ง LM Studio:
- คอมพิวเตอร์ที่มีสเปคเพียงพอ: เช่นเดียวกับวิธีอื่นๆ ต้องมี RAM และ GPU ที่เพียงพอ
- RAM: ขั้นต่ำ 16GB (แนะนำ 32GB หรือมากกว่า)
- GPU: Nvidia GPU (แนะนำรุ่นที่มี VRAM 8GB ขึ้นไป)
- CPU: CPU ที่มีประสิทธิภาพพอสมควร (เช่น Intel Core i5 หรือ AMD Ryzen 5 ขึ้นไป)
- ระบบปฏิบัติการ: รองรับ Windows, macOS และ Linux
- พื้นที่จัดเก็บข้อมูล: มีพื้นที่ว่างอย่างน้อย 20GB ขึ้นไป (ขึ้นอยู่กับขนาดของโมเดลที่เลือก)
ขั้นตอนการติดตั้งและใช้งาน DeepSeek AI ด้วย LM Studio:
1. ดาวน์โหลดและติดตั้ง LM Studio:
- เข้าไปที่เว็บไซต์ LM Studio (lmstudio.ai)
- ดาวน์โหลดตัวติดตั้งที่ตรงกับระบบปฏิบัติการของคุณ (Windows, macOS, Linux)
- เปิดตัวติดตั้ง และทำตามขั้นตอนการติดตั้ง
2. เปิด LM Studio และเริ่มต้นใช้งาน:
- เมื่อติดตั้งเสร็จ ให้เปิดแอปพลิเคชัน LM Studio
- หน้าแรกจะเป็นหน้าหลักของ LM Studio ซึ่งมีแถบเครื่องมือด้านบน และส่วนแสดงผลต่างๆ
3. ดาวน์โหลดโมเดล DeepSeek AI:
- คลิกที่ไอคอน “🏠 Home” (หรือ “Search” ในบางเวอร์ชัน)
- ในช่องค้นหา พิมพ์ชื่อโมเดล DeepSeek AI ที่ต้องการ เช่น “deepseek-coder” หรือ “deepseek”
- เลือกโมเดลที่ต้องการจากรายการผลการค้นหา
- คลิกที่ปุ่ม “Download” โมเดลจะเริ่มดาวน์โหลดลงในเครื่องของคุณ (ใช้เวลาสักครู่ขึ้นอยู่กับขนาดของโมเดล)
4. โหลดโมเดลและเริ่มใช้งาน:
- เมื่อดาวน์โหลดเสร็จ คลิกที่ไอคอน “🗂️ Chat”
- เลือกโมเดลที่คุณดาวน์โหลดมา จาก Dropdown ที่เขียนว่า “Select a model”
- LM Studio จะทำการโหลดโมเดลเข้าสู่หน่วยความจำ
- หลังจากนั้น คุณสามารถพิมพ์ข้อความในช่อง Chat และกด Enter เพื่อให้โมเดลตอบกลับ
5. ปรับแต่งพารามิเตอร์ (Optional):
- ก่อนเริ่ม Chat คุณสามารถปรับแต่งค่าต่างๆ เช่น:
- System Prompt: กำหนดบทบาทหรือคำสั่งเพิ่มเติมให้โมเดล
- Temperature: ควบคุมความหลากหลายในการตอบ (ค่าต่ำคือคำตอบที่แน่นอน ค่าสูงคือคำตอบที่หลากหลาย)
- Top P: ควบคุมความน่าจะเป็นในการเลือกคำตอบ
- Max Tokens: กำหนดจำนวน Token สูงสุดที่โมเดลจะสร้าง
- พารามิเตอร์เหล่านี้อยู่ในส่วนของ “Settings” ในหน้า Chat
ตัวอย่างการใช้งานจริง:
- ดาวน์โหลดโมเดล: ค้นหาและดาวน์โหลด “deepseek-coder” หรือ “deepseek-coder-6.7b-instruct” จาก LM Studio
- โหลดโมเดล: เลือกโมเดลที่ดาวน์โหลดมาในหน้า Chat
- ป้อนข้อความ: พิมพ์ข้อความในช่อง Chat เช่น:
- “เขียนโค้ด Python สำหรับคำนวณหาค่า Factorial ของตัวเลข”
- “แปลประโยคนี้เป็นภาษาอังกฤษ: สวัสดีตอนเช้า”
- ดูผลลัพธ์: LM Studio จะแสดงผลลัพธ์ที่โมเดลสร้างขึ้น
คำแนะนำเพิ่มเติม:
- GPU Acceleration: LM Studio จะใช้ GPU ของคุณโดยอัตโนมัติหากตรวจพบ แต่คุณสามารถตั้งค่าได้ใน Settings
- Custom Models: LM Studio รองรับการนำเข้าโมเดลจากไฟล์ต่างๆ
- อัพเดต: ควรตรวจสอบและอัพเดต LM Studio อย่างสม่ำเสมอ
สรุป:
การติดตั้งและใช้งาน DeepSeek AI บน LM Studio เป็นวิธีที่ง่าย สะดวก และเหมาะสำหรับผู้เริ่มต้นใช้งาน LLM เพราะมี GUI ที่เข้าใจง่าย ทำให้การทดลองใช้โมเดลเป็นเรื่องสนุกและไม่ซับซ้อน หากคุณต้องการสัมผัสประสบการณ์การใช้ DeepSeek AI ได้อย่างรวดเร็ว LM Studio เป็นตัวเลือกที่ไม่ควรพลาด
หวังว่าบทความนี้จะเป็นประโยชน์ในการเริ่มต้นใช้งาน DeepSeek AI ของคุณ หากมีข้อสงสัยเพิ่มเติม สามารถสอบถามได้เสมอครับ!