前の記事

次の記事

TL;DR

ちょっと話題になっているDeepseekを自宅環境で試すよ
Ollama（AIエンジン）＋ OpenWebUI（チャットUI）をWSL+Dockerで動かすよ
適切なモデルを選べば、ゲーミングPCでプライベートAIを作れるよ
みんなもお手持ちのゲーミングPCで動かしてみよう！

はじめに

前回はスマートフォンでLLMを動かしてみました。今回は一歩進んでローカルPCでLLMを動かしてみます。

各技術の紹介

Deepseek

Deepseek は、オープンソースの LLM（大規模言語モデル）を提供するプロジェクトで、高精度な推論能力と効率的な動作を特徴とする。特に、コード補完や文章生成に強く、ローカル環境やクラウド上での運用が可能。WSL や Docker を活用することで、手軽に開発環境を整備できる。

特徴

オープンソースの LLM
高精度な推論能力
コード補完や文章生成に強み
ローカル環境やクラウドで運用可能
Docker で簡単にセットアップ可能

Ollama

Ollama は、ローカル環境で軽量かつ高速に LLM を動作させるためのプラットフォーム。独自のモデル管理機能を持ち、簡単なコマンドで LLM のダウンロードや実行が可能。WSL と Docker を組み合わせることで、Windows 環境でもスムーズに運用できる。

特徴

ローカルで LLM を動作可能
軽量かつ高速な推論
独自のモデル管理機能
シンプルなコマンドで実行・管理可能
WSL や Docker でのセットアップが容易

OpenWebUI

OpenWebUI は、オープンソースのチャット UI であり、ローカルやクラウド環境で LLM を活用するためのフロントエンドを提供する。直感的な UI により、ユーザーは簡単に AI との対話を行える。WSL や Docker を利用することで、スムーズな導入が可能。

特徴

オープンソースのチャット UI
直感的な操作で LLM と対話可能
ローカルやクラウド環境で動作
API を活用してカスタマイズ可能
Docker による簡単なセットアップ

Docker

Docker は、コンテナ仮想化技術を活用し、アプリケーションの開発・デプロイを容易にするプラットフォーム。環境構築の手間を省き、一貫した実行環境を提供する。軽量で高速な動作が特徴で、WSL 上でもスムーズに動作し、Deepseek や Ollama などの LLM を簡単に運用できる。

特徴

コンテナベースの仮想化技術
環境構築が容易で一貫性を保持
軽量かつ高速なアプリケーション実行
WSL との相性が良く、Windows 環境でも快適
LLM や Web アプリの運用に最適

WSL（Windows Subsystem for Linux）

WSL は、Windows 上で Linux 環境を動作させるための仕組みで、仮想マシンよりも軽量かつ高速に Linux のコマンドやアプリケーションを実行可能。WSL2 では、Linux カーネルが直接動作し、Docker との連携もスムーズ。LLM や開発環境の構築に最適。

特徴

Windows 上で Linux 環境を実行可能
仮想マシンより軽量で高速
WSL2 では Linux カーネルがネイティブ動作
Docker との連携がスムーズ
LLM や開発環境の構築に最適

導入手順

WSLのインストール

Powershellを管理者モードで開き、以下のコマンドを実行します。

wsl --install

WSL上にollamaをインストール

Ollamaをインストールします。

curl -fsSL https://ollama.com/install.sh | sh
sudo systemctl start ollama

ollama用のユーザを作成します。

sudo useradd -r -s /bin/false -m -d /usr/share/ollama ollama

サービス起動用の設定ファイルを作成します。

nano /etc/systemd/system/ollama.service
or
vi /etc/systemd/system/ollama.service

[Unit]
Description=Ollama Service
After=network-online.target

[Service]
ExecStart=/usr/bin/ollama serve
User=ollama
Group=ollama
Restart=always
RestartSec=3

[Install]
WantedBy=default.target

サービスを再起動が終わればollamaの準備は完了です。次はモデルファイルをダウンロードしましょう。

sudo systemctl daemon-reload
sudo systemctl enable ollama

####　使っているグラボのメモリ容量を調べる

ホスト（Windows）上でタスクマネージャを開き、「パフォーマンス」→「GPU」を選択します
「専用GPUメモリ」に記載されている容量がメモリ容量です。

この値はモデルのダウンロード時に使用するのでメモしておきます

WSL上でGPUが認識されているか確認する

以下のコマンドで確認します。

$ /usr/lib/wsl/lib/nvidia-smi
Sat Feb 15 15:57:52 2025
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 560.35.02              Driver Version: 560.94         CUDA Version: 12.6     |
|-----------------------------------------+------------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id          Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |           Memory-Usage | GPU-Util  Compute M. |
|                                         |                        |               MIG M. |
|=========================================+========================+======================|
|   0  NVIDIA GeForce RTX 3060        On  |   00000000:01:00.0  On |                  N/A |
|  0%   57C    P8             19W /  170W |    1914MiB /  12288MiB |      4%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+

+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A        35      G   /Xwayland                                   N/A      |
+-----------------------------------------------------------------------------------------+
$

タスクマネージャに表示されていたGPUが同様に表示されていれば、WSL上で正しくGPUが認識されています。

モデルのダウンロード

今回はサイバーエージェントが日本語を追加学習させた「DeepSeek-R1-Distill-Qwen-14B-Japanese」をダウンロードします。

モデルをダウンロードする前に、手持ちのGPUのRAMに収まるサイズのモデルを探します。
モデルがGPUのメモリに収まらない場合、CPUでの演算がメインとなるので動作が非常に遅くなります。
「GGUF」にあるラベルを押すと、モデルのサイズが表示されます。

今回動かすグラボはRAMが12GBなので、Q5_K_Mを使用します。

WSLに移り、以下のコマンドを実行します。

ollama pull https://hf.co/mmnga/cyberagent-DeepSeek-R1-Distill-Qwen-14B-Japanese-gguf:Q5_K_M

一旦使ってみる

以下のコマンドでモデルの読み込みと実行を行います。

$ ollama run https://hf.co/mmnga/cyberagent-DeepSeek-R1-Distill-Qwen-14B-Japanese-gguf:Q5_K_M
>>> Send a message (/? for help)

なにかメッセージを入れてみます。終了させるには、/byeを入力します。

>>> こんにちは
<think>
まず、ユーザーからの「おはようございます」という挨拶に適切に対応する必要があります。日本語の文化では、時間帯に合わせ
た挨拶が一般的なので、「おはよう」に対して「おはようございます！」と返すのが自然です。

次に、ユーザーが何を求めているのかを推測します。おそらく、朝の挨拶だけでなく、何か他の情報を求める可能性があります。
例えば、今日の天気や日程確認などですが、具体的な質問がないので、まずは相槌を入れて対話を続けることが重要です。

さらに、丁寧さと親しみやすさをバランスよく保つため、「おはよう」に対して「おはようございます」と返答し、その後に一言
追加する形が良いでしょう。また、ユーザーの状況（例えば朝起きてすぐの時間か通勤中の時間帯など）を考慮すると、柔軟な対
応ができるかもしれません。

最後に、日本語として文法や表現が正しいか確認します。「おはようございます」は適切で、「さあ、今日も元気に頑張りましょ
う！」というフレーズも前向きで励ましの言葉として機能します。これにより、ユーザーが気持ちよくスタートできるような応答
になります。
</think>

**おはようございます！**
朝の光とコーヒーの香り、あなたを包んでいますね。
今日も小さな目標から始めると、予想外の達成感があるものですよ😊
何か特にしたいことはありますか？

>>> /bye
$

WSL上にDockerをインストール

$ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
$ echo "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
$ sudo apt update
$ sudo apt install docker-ce docker-ce-cli containerd.io -y
$ sudo apt install docker-compose -y
$ sudo service docker start

WSL上にOpen WebUIをインストール

まず、WSLのIPアドレスを確認します。

$ ip addr show eth0 | grep "inet "
    inet 172.20.156.53/20 brd 172.20.159.255 scope global eth0
$

docker-compose.ymlを作成します。この際、さきほど確認したIPアドレスをWEBUI_URLに指定します。

$ cd ~
$ mkdir openwebui

$ nano docker-compose.yml
or
$ vi docker-compose.yml

services:
  # for ollama webui
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    volumes:
      - ./volumes/open-webui:/app/backend/data
    ports:
      - 8980:8080
    dns:
      - 1.1.1.1
    environment: # https://docs.openwebui.com/getting-started/env-configuration#default_models
      - OLLAMA_BASE_URLS=http://host.docker.internal:11434
      - ENV=dev
      - WEBUI_AUTH=False
      - WEBUI_URL=http://127.0.0.1:8980
    extra_hosts:
      - host.docker.internal:host-gateway
    restart: unless-stopped

Open WebUIの起動

以下のコマンドでOpen WebUIを起動します。

~/openwebui$ docker-compose up -d
Creating network "openwebui_default" with the default driver
Creating open-webui ... done
~/openwebui$

起動が完了したら、Windowsのブラウザからhttp://localhost:8980/にアクセスします。`

チャット欄が開くので、上部のプルダウンからダウンロードを行ったモデルを選択します。

導入に成功していればよく見るUIでチャットが使えるようになっています。みなさんも是非おうちLLMを楽しんでください！