搜索
当前所在位置: 首页>技术支持

三步部署DeepSeek V4模型

发布时间:2026-06-02 14:07:34 作者:超级管理员 点击:20 【 字体:大 中 小 】

背景:DeepSeek V4其核心突破在于全系标配 100 万 token(约 75 万汉字)的超长上下文窗口‌,并针对效率与性能进行了系统性优化。目前发布了两个版本,分别为DeepSeekV4-Pro(旗舰版)‌ 和 ‌‌DeepSeek V4-Flash(轻量版),下面以DeepSeek V4-Flash(轻量版284B)部署为例展开。

参考链接:

https://docs.vllm.ai/projects/ascend/zh-cn/v0.18.0/tutorials/models/DeepSeek-V4-Flash.html

硬件环境:单机Atlas 800 A2 (64G × 8) ,

模型下载链接:

https://www.modelscope.cn/models/Eco-Tech/DeepSeek-V4-Flash-w8a8-mtp

镜像下载链接:

https://quay.io/repository/ascend/vllm-ascend?tab=tags


下载完权重和镜像如下所示:

步骤一:加载镜像:

docker load -i quay.io_ascend_vllm-ascend.deepseekv4.tar

图片

图片

步骤二:起容器,Docker run,容器名字可以改为自己名字XX,注意加私有

export IMAGE=quay.io/ascend/vllm-ascend:deepseekv4

export NAME=XX_vllm-ascend

docker run --rm \

--name $NAME \

--net=host \

--shm-size=512g \

--device /dev/davinci0 \

--device /dev/davinci1 \

--device /dev/davinci2 \

--device /dev/davinci3 \

--device /dev/davinci4 \

--device /dev/davinci5 \

--device /dev/davinci6 \

--device /dev/davinci7 \

--device /dev/davinci_manager \

--device /dev/devmm_svm \

--device /dev/hisi_hdc \

--privileged=true \

-v /usr/local/dcmi:/usr/local/dcmi \

-v /usr/local/Ascend/driver/tools/hccn_tool:/usr/local/Ascend/driver/tools/hccn_tool \

-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \

-v /usr/local/Ascend/driver/lib64/:/usr/local/Ascend/driver/lib64/ \

-v /usr/local/Ascend/driver/version.info:/usr/local/Ascend/driver/version.info \

-v /etc/ascend_install.info:/etc/ascend_install.info \

-v /etc/hccn.conf:/etc/hccn.conf \

-v /mnt/sfs_turbo/.cache:/root/.cache \

-v /XXX/:/XXX/ \

-it $IMAGE bash

最后XXX为镜像和权重挂在路径。

查看容器内部npu-smi info正常

图片

步骤三:容器内部拉服务,修改模型权重路径

#!/usr/bin/bash

export LD_PRELOAD=/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOAD

export OMP_PROC_BIND=false

export OMP_NUM_THREADS=8

export PYTORCH_NPU_ALLOC_CONF=expandable_segments:True

export ACL_OP_INIT_MODE=1

export VLLM_ASCEND_ENABLE_FLASHCOMM1=1

export USE_MULTI_GROUPS_KV_CACHE=1

export TASK_QUEUE_ENABLE=1

export HCCL_OP_EXPANSION_MODE="AIV"

export HCCL_BUFFSIZE=512

export USE_MULTI_BLOCK_POOL=1

sysctl -w vm.swappiness=0

sysctl -w kernel.numa_balancing=0

sysctl kernel.sched_migration_cost_ns=50000

vllm serve /XXX/DeepSeek-V4-Flash-w8a8-mtp \

--safetensors-load-strategy 'prefetch' \

--max-model-len 135168 \

--max-num-batched-tokens 4096 \

--served-model-name ds \

--gpu-memory-utilization 0.92 \

--max-num-seqs 16 \

--data-parallel-size 1 \

--tensor-parallel-size 8 \

--enable-expert-parallel \

--quantization ascend \

 --port 7000 \

--block-size 128 \

--enable-chunked-prefill \

--enable-prefix-caching \

--tokenizer-mode deepseek_v4 \

--tool-call-parser deepseek_v4 \

--enable-auto-tool-choice \

--reasoning-parser deepseek_v4 \

--async-scheduling \

--additional-config '{"enable_cpu_binding":true,"multistream_overlap_shared_expert":false}' \

--compilation-config '{"cudagraph_mode":"FULL_DECODE_ONLY","cudagraph_capture_sizes":[2,4,6,8,10,12,14,16,18,20,22,24,32,36,40]}' \

--model-loader-extra-config '{"enable_multithread_load":true,"num_threads":16}' \

--speculative-config '{"num_speculative_tokens": 1,"method": "mtp"}'

容器拉起来过程截图:

图片

容器拉起来后显存情况:

图片

步骤四:验证服务是否正常(可选)

Model 用服务模型名字--served-model-name ds \,端口号是拉起服务的端口号:--port 7000 \

curl   -H "Accept: application/json" -H "Content-type:   application/json" -X POST -d '{

 "model": "ds",

 "messages": [{

  "role": "user",

  "content": "怎么做番茄炒鸡蛋?"

 }],

 "max_tokens": 1024,

 "seed": null,

 "temperature": 0.6,

 "top_p": 0.95,

 "stream": false

}'  http://XXXX/v1/chat/completions

XXXX为部署主机IP地址。

结果如下:

图片


阅读全文
相关推荐

全球首个预制算力中心底座在山东青岛正式启用!

全球首个预制算力中心底座在山东青岛正式启用!
2026年6月6日,全球首个预制算力中心底座在山东青岛正式启用。相较于传统算力中心节约施工周期近70%,为当前算力基础设施建设提供更高效、更低碳的新方案。据悉,该算力中心底座长约53米,宽约41米,占地面积大概2200平方米。相较于传统算力中心底座,占地面积减少超30%,整体成本下降20%,最快5个月可以完成施工,土建成本...

GPU显卡驱动如何安装?

GPU显卡驱动如何安装?
注:GPU服务器建议不要升级内核版本,一旦升级内核后需要重新安装GPU驱动安装GPU驱动$apt-getinstallgccmake$apt-getupdate$wgethttp://cn.download.nvidia.com/XFree86/Linux-x86_64/440.44/NVIDIA-Linux-x86_64-440.44.run$sudochmod+xNVIDIA-Linux-x86_64-440.44.run$s...

GPU服务器前端网络组网概述

GPU服务器前端网络组网概述
根据H100-GPU服务器确认各网络平面针对H100-GPU服务器的配置清单,可进行网络平面划分:single-400GE 8x (支持IB NDR/Ethernet OSFP),用于后端网络GPU分布式集群梯度同步single-200GE 1x (支持IB HDR/Ethernet QSFP56),用于对接存储网络dual-25GE 1x(SFP+),用于对接前端网络注:single指Single Port (单口网卡),...

极智算算力平台|硬核算力底座,赋能 AI 全域高效落地

极智算算力平台|硬核算力底座,赋能 AI 全域高效落地
随着人工智能技术飞速普及,大模型训练、模型微调、AI 推理、高性能计算、数字孪生等场景迎来爆发式增长,稳定、合规、高性价比的算力资源,已成为企业、科研机构与开发者发展的核心刚需。极智算算力平台深耕 GPU 算力服务赛道,聚焦合规算力供给、整机租赁、服务器托管、大模型一站式部署,以顶尖硬件配置、灵活服务模式、...

西柚云超算与云南联通正式达成战略合作,将共建云南科研超算中心节点

西柚云超算与云南联通正式达成战略合作,将共建云南科研超算中心节点
2026年5月25日消息,西柚云超算与中国联通云南昆明分公司在昆明正式签署战略合作协议,标志着双方将携手共建云南科研超算中心节点,共同推动云南省算力基础设施建设与数字经济发展。根据战略合作协议,双方将围绕联通环湖东湖机房开展深度合作,依托该机房优质的网络资源和电力保障条件,共同建设集高性能计算、大规模存储互...

总投资约50亿!交通银行贵安数据中心正式接入电网

总投资约50亿!交通银行贵安数据中心正式接入电网
2026年5月23日消息,交通银行贵安数据中心于近日已圆满完成全流程通电调试,正式接入电网,目前相关带电设备运行安全稳定。交通银行贵安数据中心项目位于贵安新区马场产业新城,是交通银行总行异地数据中心,也是贵州省重点工程。项目总投资约50亿元,总建筑面积约18万平方米,整体规划部署服务器超20万台,按照“整体规划、...

AI算力缺货从GPU烧到了一整条产业链?

AI算力缺货从GPU烧到了一整条产业链?
2026年,一场覆盖芯片、云、服务器与数据中心零部件的全产业链算力短缺正席卷全球。从GPU、CPU、HBM,到光模块、铜缆模块、高速交换机、电力与液冷设备,乃至云计算和Token资源,几乎全线供不应求。算力稀缺与全线涨价,已成为贯穿整个AI产业的核心叙事。这并非简单的供需错配,而是AI算力架构升级带来的系统性重构。01 需求...

北京 A100-40G 现货出租

北京 A100-40G 现货出租
GPU裸金属服务器-A100*8CPU: 2*Intel Xeon Gold 6248R(24Core,3.0GHz)内存:24*32GB系统盘:2*480GBSATA SSD数据盘:4*1.92TB NVMe SSD显卡:Nvidia A100 PCIE 40G *8网卡:1 x2*25GE价格:85000/月有效期:7天 压一付一 年闭口...

总投资24亿!中国银联黄山数据中心园区项目正式通电

总投资24亿!中国银联黄山数据中心园区项目正式通电
2026年5月23日消息,银联黄山园区项目10KV开关站A/B双回路于近日成功完成高压送电。据悉,银联黄山园区项目位于安徽省黄山市高新技术产业开发区丹霞路与银蝶湖北路交口东北侧部分地块(烟草公司和中科创新广场用地东侧,百川路南侧),是国家关键金融基础设施重要组成部分,也是安徽省重点项目和黄山市头号工程。该项目总投...

10大算力芯片全解析:CPU/GPU/TPU/NPU/LPU/FPGA......

10大算力芯片全解析:CPU/GPU/TPU/NPU/LPU/FPGA......
在 AI 大模型、自动驾驶、边缘计算全面爆发的今天,算力已经成为数字时代的 “新石油/新电力”,而承载算力的各类处理器芯片,就是驱动这场技术革命的 “发动机”。很多人都会有这样的困惑:CPU、GPU、TPU、NPU…… 这些长得差不多的缩写到底有什么区别?各自适合干什么?谁才是 AI 时代的 “王者”?10 大芯片核心定...
返回顶部