1. チュートリアルの概要

DeepSeek-R1 は、効率的で軽量な自然言語処理タスクに重点を置いて、DeepSeek が 2025 年にリリースした言語モデルシリーズの最初のバージョンです。このモデルファミリは、知識蒸留などの高度な手法を通じて最適化されており、高いパフォーマンスを維持しながらコンピューティングリソースの要件を削減することを目的としています。 DeepSeek-R1 は、実用的なアプリケーションシナリオに重点を置いて設計されており、迅速な導入と統合をサポートし、テキスト生成、対話システム、翻訳、要約生成など、さまざまなタスクに適しています。

技術的なレベルでは、DeepSeek-R1 は知識蒸留技術を使用して大規模なモデルから知識を抽出し、同様のパフォーマンスを持つ小規模なモデルをトレーニングします。同時に、効率的な分散トレーニングと最適化アルゴリズムにより、トレーニング時間がさらに短縮され、モデル開発の効率が向上します。これらの技術的なハイライトにより、DeepSeek-R1 は実際のアプリケーションで優れたパフォーマンスを発揮します。

本教程预设 DeepSeek-R1-Distill-Qwen-1.5B 、 DeepSeek-R1-Distill-Qwen-7B 、 DeepSeek-R1-Distill-Qwen-8B 、 DeepSeek-R1-Distill-Qwen-32B 四种模型作为演示，算力资源采用「单卡 RTX4090」。

2. 操作手順

コンテナをクローンして起動したら、API アドレスをクリックして Web インターフェイスに入ります (「Bad Gateway」と表示される場合は、モデルが初期化中であることを意味します。モデルが大きいため、5 分ほど待ってからもう一度お試しください)。

2. Web ページに入ると、モデルと会話を開始できます。

知らせ：

このチュートリアルは「オンライン検索」をサポートしています。この機能をオンにすると、推論速度が低下しますが、これは正常です。
インターフェースの左上隅でモデルを切り替えることができます。

一般的な会話設定

1. 温度

出力のランダム性を制御します。一般的には、 0.0-2.0 間。
低い値（0.1など）: より確実で、一般的な単語に偏っています。
高い値（1.5など）: よりランダムで、潜在的にもっとクリエイティブだが不安定なコンテンツ。

2. トップkサンプリング

からのみ 最も確率の高いk 確率の低い単語を除いた単語単位でのサンプリング。
k は小さい (例: 10): 確実性は高まり、ランダム性は減少します。
k は大きい（例：50）: 多様性が増すと、革新性も高まります。

3. Top-pサンプリング（核サンプリング、Top-pサンプリング）

選ぶ累積確率がpに達する単語集合、k値は固定されていません。
低い値（0.3など）: 確実性は高まり、ランダム性は減少します。
高い値（0.9など）: 多様性が増し、流暢性が向上しました。

4. 繰り返しペナルティ

テキストの繰り返しを制御します。通常は 1.0-2.0 間。
高い値（1.5など）: 繰り返しを減らして読みやすさを向上します。
低い値（1.0など）: ペナルティはありませんが、モデルが単語や文を繰り返す可能性があります。

5. 最大トークン数（最大生成長）

制限モデル生成されるトークンの最大数出力が長くなりすぎないようにするためです。
通常の範囲:50-4096(モデルによって異なります)。

交流とディスカッション

🖌️ 高品質のプロジェクトを見つけたら、メッセージを残してバックグラウンドで推奨してください。さらに、チュートリアル交換グループも設立しました。お友達はコードをスキャンして [SD チュートリアル] に参加し、さまざまな技術的な問題について話し合ったり、アプリケーションの効果を共有したりできます。