DeepSeek模型昇腾部署优秀实践

2024年12月26日，DeepSeek-V3横空出世，以其卓越性能备受瞩目。该模型发布即支持昇腾，用户可在昇腾硬件和MindIE推理引擎上实现高效推理，但在实际操作中，部署流程与常见问题困扰着不少开发者。本文将为你详细阐述昇腾 DeepSeek 模型部署的优秀实践。

01 硬件要求及组网

推荐参考配置如下，部署DeepSeek-V3/R1量化模型至少需要多节点Atlas 800I A2（8*64G）服务器。本方案以DeepSeek-R1为主进行介绍，DeepSeek-V3与R1的模型结构和参数量一致，部署方式与R1相同。

02 运行环境准备

推荐使用镜像部署

1、镜像部署

昇腾官方在Ascend hub提供环境示例镜像，含推理部署配套软件以及模型运行脚本，用户可参考构建运行环境镜像进行部署。

镜像部署及启动参照ModelZoo指南中“加载镜像”章节，该指南中还包含“容器启动”等指引: https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/MindIE/LLM/DeepSeek/DeepSeek-R1#加载镜像

镜像申请/下载（含于上述指南）：昇腾镜像仓库详情

2、裸机部署

根据MindIE安装指南安装软件包和运行依赖软件。

安装指南：

根据指南安装全部软件包和环境安装方案-MindIE安装指南-环境准备-MindIE1.0.0开发文档-昇腾社区

模型获取：魔乐社区

03 权重文件准备

BF16权重下载： 魔乐社区

INT8量化后权重下载： 魔乐社区

如已下载BF16模型，也可采用以下步骤进行模型量化，权重BF16->INT8转换预计7~8小时。

Step1：安装ModelSlim
git clone https://gitee.com/ascend/msit.git
cd msit/msmodelslim
bash install.sh
Step2: 运行量化命令
cd msit/msmodelslim/example/DeepSeek/
python3 quant_deepseek_w8a8.py \
                --model_path {浮点权重路径} \
                --save_path {W8A8量化权重路径}

更多详细量化教程请参考 DeepSeek量化文档（ https://gitee.com/ascend/msit/tree/br_noncom_MindStudio_8.0.0_POC_20251231/msmodelslim/example/DeepSeek）

Msmodelslim 代码仓：msit: 统一推理工具链入口，提供客户一体化开发工具，支持一站式调试调优 - Gitee.com

04 运行前检查

服务器检查：https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/MindIE/LLM/DeepSeek/DeepSeek-R1#前置准备

软件版本配套检查，含：HDK、CANN、PTA、MindIE、MindStudio

1、检查组网链接状态

检查物理链接for i in {0..7}; do hccn_tool -i $i -lldp -g | grep Ifname; done
检查链接情况for i in {0..7}; do hccn_tool -i $i -link -g ; done
检查网络健康情况for i in {0..7}; do hccn_tool -i $i -net_health -g ; done
查看侦测ip的配置是否正确for i in {0..7}; do hccn_tool -i $i -netdetect -g ; done
查看网关是否配置正确for i in {0..7}; do hccn_tool -i $i -gateway -g ; done
检查NPU底层tls校验行为一致性，建议全0for i in {0..7}; do hccn_tool -i $i -tls -g ; done | grep switch
# NPU底层tls校验行为置0操作for i in {0..7};do hccn_tool -i $i -tls -s enable 0;done

2、根据组网设置准备rank_table_file.json

使用多节点推理时，需要将包含设备ip，服务器ip等信息的json文件地址传递给底层通信算子。参考如下格式，配置rank_table_file.json: