当前位置: 首页 > article >正文

DeepSeek - 尝试一下GitHub Models中的DeepSeek

1.简单介绍

当前DeepSeek使用的人很多,各大AI平台中也快速引入了DeekSeek,比如Azure AI Foundary(以前名字是Azure AI Studio)中的Model Catalog, HuggingFace, GitHub Models等。同时也出现了一些支持DeepSeek的.NET类库。微软的Semantic Kernel也支持DeepSeek。

这边打算尝试一下GitHub Models中DeepSeek V3

2.具体说明

DeepSeek的主流版本有V3和R1,其中R1的推理的推理能力比V3强,适用于涉及逻辑推理和问题求解的应用场景,而在客服,文本总结,内容生成方面,使用V3的人数可能多一些。

下面是使用GitHub Models中使用DeepSeek V3的简单过程

2.1 注册DeepSeek V3

1) 登录到GitHub Models平台,可以找到DeepSeek-V3

        

2) 直接点击 DeepSeek-V3,就可以跳转到下面这个页面,然后点击按钮Use this model

        

3) 在弹出的Get API key窗口中,点击 Get developer key按钮去创建一个personal access token

        

4) 点击Generate new token下拉框,选择Generate new token(classic)选项就可以创建一个personal access token了,

note, token只会在第一次创建的时候显示,这时候要做一下copy动作

        

2.2 制作.NET Console

2.2.1 代码示例

下面是使用GitHub Models中DeepSeek-V3模型的代码,

var endpoint = new Uri("https://models.inference.ai.azure.com");
var GitHubModelsDeepseekToken = "your personal access token";
var credential = new AzureKeyCredential(GitHubModelsDeepseekToken);
var model = "DeepSeek-V3";var client = new ChatCompletionsClient(endpoint,credential,new AzureAIInferenceClientOptions());var requestOptions = new ChatCompletionsOptions()
{Messages ={new ChatRequestUserMessage("东亚和东南亚的可耕地面积是多少?给出一下简短的答案就可以的"),},MaxTokens = 1000,Model = model
};Response<ChatCompletions> response = client.Complete(requestOptions);
System.Console.WriteLine(response.Value.Content);
2.2.2 运行一下

运行程序,发现DeepSeek有结果正常返回 

         

2.2.3 尝试其他模型

其中endpoint是各个模型都是一样的,假如选择了GitHub Models的Mistral Small 3.1,则将model换成对应的 mistral-small-2503就可以的

        

运行一下,发现Mistral也能返回结果,不过DeepSeek-V3和Mistral模型返回的结果有一些不同。

        

2.3 其他

当https://api.deepseek.com/ 的不能使用之后,也可以考虑使用GitHub Models 的DeepSeek

        

note, 也可以基于Azure AI Foundary中 Model Catolog或者huggingface的DeekSeek模型,自己部署一个endpoint进行使用的。

3.总结

本文简单介绍了一下GitHub Models中DeepSeek模型的使用过程,更为详细的调用DeepSeek的内容,可以参考DeepSeek的官方文章

本文如果哪里有错误的地方,麻烦告之,谢谢谢谢

http://www.lryc.cn/news/2398292.html

相关文章:

  • 【判断酒酒花数】2022-3-31
  • 对称加密-非对称加密
  • 【OCCT+ImGUI系列】011-Poly-Poly_Triangle三角形面片
  • 【机器学习基础】机器学习入门核心算法:Mini-Batch K-Means算法
  • 机器学习实战36-基于遗传算法的水泵调度优化项目研究与代码实现
  • 计算机视觉与深度学习 | 基于Matlab的门禁指纹识别与人脸识别双系统实现
  • TypeScript 定义同步方法
  • debian12.9或ubuntu,vagrant离线安装插件vagrant-libvirt,20250601
  • 【仿muduo库实现并发服务器】使用正则表达式提取HTTP元素
  • 核心机制:流量控制
  • Java中并发修改异常如何处理
  • 极智项目 | 基于PyQT实现的YOLOv12行人目标检测软件设计
  • JavaScript 对象展开语法
  • 简单transformer运用
  • vscode不满足先决条件问题的解决——vscode的老版本安装与禁止更新(附安装包)
  • RustDesk 搭建自建服务器并设置服务自启动
  • 【数据库】数据库恢复技术
  • Qt企业级串口通信实战:高效稳定的工业级应用开发指南
  • 力扣HOT100之动态规划:32. 最长有效括号
  • 深入理解前端DOM:现代Web开发的基石
  • Springboot中Controller接收参数的方式
  • 从一堆数字里长出一棵树:中序 + 后序构建二叉树的递归密码
  • Unity UI 性能优化终极指南 — Image篇
  • Nginx + Tomcat 负载均衡、动静分离群集
  • 【maker-pdf 文档文字识别(包含ocr),安装使用完整教程】
  • c++ algorithm
  • 《前端面试题:BFC(块级格式化上下文)》
  • HertzBeat的告警规则如何配置?
  • 安全-JAVA开发-第一天
  • 6月2日上午思维训练题解