DeepSeek
-
Tesla M10 32GB 跑 DeepSeek：总显存不是单卡显存，先拆分核对
M10 的总显存分布在多个 GPU 上，不能把 32GB 当成一块连续显存；先逐个设备查看容量，再从 7B 验证。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
树莓派 5 怎么部署 DeepSeek？用 llama.cpp 运行 1.5B 模型并验证本地 API
在树莓派5上编译llama.cpp，运行DeepSeek 1.5B量化模型，并用命令行和本地API验证结果与故障边界。
-
Tesla K40 跑 DeepSeek 可行吗？检查旧 GPU 计算能力与 CPU 备选
K40 的架构过旧，当前 Ollama GPU 后端未必支持；不要反复换模型碰运气，先核对计算能力和日志。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
DeepSeek 怎么生成思维导图？用 Markdown 大纲和 Mermaid 两种方法
先让 DeepSeek 输出层级清楚的 Markdown 大纲，再按需要转成 Mermaid mindmap；通过节点数量、父子关系和渲染结果检查。
-
Tesla K80 能跑 DeepSeek 吗？先核对计算能力，避免把双 GPU 显存相加
K80 不适合直接按现代 Ollama CUDA 支持来部署；先核对官方计算能力门槛，必要时改用 CPU 或兼容的旧版推理方案。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
Tesla M40 24GB 跑 DeepSeek：确认旧 CUDA 支持后测试 14B 和 32B
M40 24GB 可从 14B 开始；测试 32B 前先确认旧卡驱动仍被当前 Ollama 支持，并预留上下文显存。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
AMD MI50 跑 DeepSeek 怎么判断？先查 ROCm 支持，再测 14B
MI50 是否可用先看当前操作系统与 ROCm 支持矩阵；通过后再按实际显存从 14B 开始验证。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
NVIDIA L20 本地部署 DeepSeek：先跑 32B，再检查长上下文余量
L20 先用 32B 建立稳定基线，再按目标上下文和并发检查显存余量；不要直接把 70B 作为默认起点。 本文给出模型选择、GPU 加载验证和失败降级步骤。
-
DeepSeek 怎么找并引用参考文献？从关键词检索到 DOI 核验教程
用 DeepSeek 把研究问题拆成检索词，再到 Crossref 等数据库找真实文献，核对 DOI 与原文后再生成引用格式。
-
RTX 5090 本地部署 DeepSeek：先跑 32B，再评估 70B 是否需要双卡
RTX 5090 适合先用 32B 建立基线；70B 模型文件约 43GB，单卡能否完整加载要以实际显存与 ollama ps 为准。 本文给出模型选择、GPU 加载验证和失败降级步骤。
