deepseek满血版昇腾显卡部署指南，网上有很多相关的教程，但是实际操作下来发现有非常多的坑，这里记录一下部署的流程，希望给国产化部署的朋友一些帮助。

现在各大平台好多提供了deepseek-r1满血版的推理服务，在网上看到一个比较有意思的检测

是否满血的prompt，可以试一下

测试一下deepseek官方的回答：

再看一下使用昇腾部署的回答：

昇腾官方有出一个部署指南，本文也是参考该教程进行的，虽然有很多槽点，但是依然是一个不错的参考。

https://www.hiascend.com/software/modelzoo/models/detail/68457b8a51324310aad9a0f55c3e56e3

模型权重

第一步是模型权重的下载，对于满血版R1这个庞然大物，如果网速不够快，下载起来还是非常麻烦的，我尝试了多个下载渠道，最终使用了魔乐社区，峰值速度达80M/s，全部下载完也就一小时左右，速度非常可观。可以看一下官方的介绍，所言非虚，推荐使用。

https://modelers.cn/updates/zh/modelers/20250213-deepseek%E6%9D%83%E9%87%8D%E4%B8%8B%E8%BD%BD/

ingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei UI', 'Microsoft YaHei', Arial, sans-serif;color: rgb(119, 119, 119);line-height: 1.75em;">下载的时候需要导入一个白名单，否则自定义位置报错

fromopenmind_hubimportsnapshot_download
snapshot_download(
      repo_id="State_Cloud/DeepSeek-R1-origin",
      local_dir="xxx",
      cache_dir="xxx",
      local_dir_use_symlinks=False,
      )

然后就是权重转换了，需要将FP8的转成FP16，可以使用昇腾里DeepSeek-V3的权重转换脚本

DeepSeek-R1在转换前权重约为640G左右，在转换后权重约为1.3T左右，记得提前规划好存储的位置，避免中断。

另外这里提一下，在部署的时候，有遇到一个错误，就是加载权重的时候，好像对软链接不支持，因此这里在下载的时候，可以关闭软链接，设置参数local_dir_use_symlinks=False即可。

对于昇腾机器的的要求，BF16的R1需要至少需要4台Atlas 800I A2（8*64G）服务器，W8A8量化版本则至少需要2台Atlas 800I A2 (8*64G)，我在部署的时候使用的是量化版本，用的是两台Atlas 800T A2

如果不想经过上述的权重转换步骤，又需要部署W8A8的量化版本，可以直接下载社区里转换好的权重，下载量已经到了6k+，可以使用。

下载后的模型权重，需要管理一下权限，方便后续读取：

chown -R 1001:1001 /path-to-weights/DeepSeek-R1
chmod -R 750 /path-to-weights/DeepSeek-R1

镜像部分

昇腾官方出了可以直接部署的镜像，方便开发者一键启动

ingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei UI', 'Microsoft YaHei', Arial, sans-serif;color: rgb(119, 119, 119);line-height: 1.75em;">镜像链接：https://www.hiascend.com/developer/ascendhub/detail/af85b724a7e5469ebd7ea13c3439d48f
ingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei UI', 'Microsoft YaHei', Arial, sans-serif;color: rgb(119, 119, 119);line-height: 1.75em;">目前提供的MindIE镜像预置了DeepSeek-R1模型推理脚本，无需再下载模型代码

这里的镜像需要申请，通过后才能下载

执行命令：

docker pull swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:2.0.T3-800I-A2-py311-openeuler24.03-lts

拉取镜像后，需要启动容器，可以使用下面的命令，与官方教程有些区别

docker run -itd --privileged --name=deepseek-r1 --net=host \
 --shm-size 500g \
 --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/hisi_hdc \
 --device /dev/devmm_svm \
  -v /usr/local/dcmi:/usr/local/dcmi \
  -v /usr/bin/hccn_tool:/usr/bin/hccn_tool \
  -v /usr/local/sbin:/usr/local/sbin \
  -v /usr/local/sbin/npu-smi:/usr/local/sbin/npu-smi \
  -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
  -v /usr/local/Ascend/firmware:/usr/local/Ascend/firmware \
 -v /etc/hccn.conf:/etc/hccn.conf \
 -v xxxxxx/DeepSeek-R1-weight:/workspace \
 swr.cn-south-1.myhuaweicloud.com/ascendhub/mindie:2.0.T3-800I-A2-py311-openeuler24.03-lts \
  bash

--name 容器名， -v 挂载下载好的模型

其中需要注意的地方在于，把下载好模型权重的位置，挂载到容器中，可以放到workspace目录下，这样后面部署的时候，就可以使用了

其它的挂载盘都是常规的驱动或者工具，确保本地可以正常运行，一般是没问题的

多台服务器部署，每台服务器下载同样的模型权重，位置可以不同，但是都需要执行上述启动容器的命令，把挂载盘换一下

进入容器

启动好容器之后，接下来的操作都默认在容器中

首先便是进入容器，假设上述容器名字为deepseek-r1

dockerexec-it deepseek-r1 bash

容器检查

进入容器之后，先检查一下机器的网络情况，如果有问题，可以先查一下本机是否正常如果本机正常，容器内有问题，那应该是有些目录没有挂载好，可以问下G老师或者D老师

# 检查物理链接
foriin{0..7};dohccn_tool -i$i-lldp -g | grep Ifname;done
# 检查链接情况
foriin{0..7};dohccn_tool -i$i-link -g ;done
# 检查网络健康情况
foriin{0..7};dohccn_tool -i$i-net_health -g ;done
# 查看侦测ip的配置是否正确
foriin{0..7};dohccn_tool -i$i-netdetect -g ;done
# 查看网关是否配置正确
foriin{0..7};dohccn_tool -i$i-gateway -g ;done
# 检查NPU底层tls校验行为一致性，建议全0
foriin{0..7};dohccn_tool -i$i-tls -g ;done| grep switch
# NPU底层tls校验行为置0操作
foriin{0..7};dohccn_tool -i$i-tls -senable0;done

配置多机多卡文件

这个文件比较关键，配置好之后，后续的MindIE推理框架也会参考这个进行启动，不需要再额外设置

配置起来也比较简单，使用这个命令，把每张卡的ip地址记录下来

foriin{0..7};dohccn_tool -i$i-ip -g;done

每台机器都执行一次，其中，确定一台主节点

server_count：一共使用几台服务器，即节点数。server_list中第一个server为主节点
device_id：当前卡的本机编号，取值范围[0, 本机卡数)
device_ip：当前卡的ip地址，可通过hccn_tool命令获取
rank_id：当前卡的全局编号，取值范围[0, 总卡数)
server_id：当前节点的ip地址
container_ip：容器ip地址（服务化部署时需要），若无特殊配置，则与server_id相同

查看服务器的ip地址

hostname -I

查看docker容器的ip地址

docker inspect 容器id | grep"IPAddress"

如果返回为空，可能是使用和宿主机一样的网络，查看容器的网络模式

docker inspect 容器id | grep -i'"NetworkMode"'

如果返回为 "NetworkMode": "host", 则说明容器使用的是host 网络，它没有自己的 IP，而是直接用宿主机 IP。

下面是两个节点的配置文件，对着填好ip地址即可

{
 "server_count":"2",
 "server_list": [
    {
     "device": [
        {"device_id":"0", "device_ip":"xxxx", "rank_id":"0"},
        {"device_id":"1", "device_ip":"xxxx","rank_id":"1"},
        {"device_id":"2", "device_ip":"xxxx", "rank_id":"2"},
        {"device_id":"3", "device_ip":"xxxx", "rank_id":"3"},
        {"device_id":"4", "device_ip":"xxxx", "rank_id":"4"},
        {"device_id":"5", "device_ip":"xxxx", "rank_id":"5"},
        {"device_id":"6", "device_ip":"xxxx", "rank_id":"6"},
        {"device_id":"7", "device_ip":"xxxx","rank_id":"7"}
        ],
       "server_id":"xxxx",
       "container_ip":"xxxx"
    },
    {
     "device": [
        {"device_id":"0", "device_ip":"xxxx", "rank_id":"8"},
        {"device_id":"1", "device_ip":"xxxx","rank_id":"9"},
        {"device_id":"2", "device_ip":"xxxx", "rank_id":"10"},
        {"device_id":"3", "device_ip":"xxxx", "rank_id":"11"},
        {"device_id":"4", "device_ip":"xxxx", "rank_id":"12"},
        {"device_id":"5", "device_ip":"xxxx", "rank_id":"13"},
        {"device_id":"6", "device_ip":"xxxx", "rank_id":"14"},
        {"device_id":"7", "device_ip":"xxxx","rank_id":"15"}
      ],
     "server_id":"xxxx",
     "container_ip":"xxxx"
    }
  ],
 "status":"completed",
 "version":"1.0"
}

开启通信环境变量

exportATB_LLM_HCCL_ENABLE=1
exportATB_LLM_COMM_BACKEND="hccl"
exportHCCL_CONNECT_TIMEOUT=7200
exportWORLD_SIZE=32
exportHCCL_EXEC_TIMEOUT=0

权重目录下config.json文件，将 model_type 更改为 deepseekv2 (全小写且无空格)

精度测试

官方给的精度测试例子，与我下载的镜像中的目录对不上，并且执行full_CEval的测试也会报错，缺少文件 modeltest路径，在镜像中的实际位置是：/usr/local/Ascend/atb-models/tests/modeltest

测试命令：

# 需在所有机器上同时执行
bash run.sh pa_bf16 [dataset] ([shots]) [batch_size] [model_name] ([is_chat_model]) [weight_dir] [rank_table_file] [world_size] [node_num] [rank_id_start] [master_address]

性能测试

性能测试是在同样的目录下，但是是可以执行成功的

运行命令

bash run.sh pa_bf16 performance [[256,256]] 16 deepseekv2 /path/to/weights/DeepSeek-R1 /path/to/xxx/ranktable.json 16 2 0 {主节点IP}
# 0 代表从0号卡开始推理，之后的机器依次从8，16，24。

跑完会生成一个csv文件，里面保存了本次测试的指标，比如

Model	Batchsize	In_seq	Out_seq	Total time(s)	First token time(ms)	Non-first token time(ms)	Non-first token Throughput(Tokens/s)	E2E Throughput(Tokens/s)	Non-first token Throughput Average(Tokens/s)	E2E Throughput Average(Tokens/s)
deepseekv2	16	256	256	18.6202795506	478.01	71.03	225.25693369	219.9752151346	225.25693369	219.9752151346

参数解释：

Batch size，批次大小
输入序列长度（In_seq）
输出序列长度（Out_seq）
总耗时（Total time）
首 token 生成耗时（First token time）
非首 token 平均生成耗时（Non-first token time）
非首 token 吞吐率（Throughput）
端到端吞吐率（E2E Throughput）

推理部署

上述的两个测试都是可选的，性能测试可以跑一下，调一下bs，看看能跑出什么样的效果

启动前需要配置一下容器，每个容器都执行一下：

exportPYTORCH_NPU_ALLOC_CONF=expandable_segments:True
exportMIES_CONTAINER_IP=容器ip地址
exportRANKTABLEFILE=rank_table_file.json路径

exportOMP_NUM_THREADS=1
exportNPU_MEMORY_FRACTION=0.95

注意，上述的路径是指容器内的路径，并且每台机器的ip都要对应正确

执行完后，每台机器都要对应修改服务化参数，即部署的参数配置

因为这个文件是在容器中，需要用vim修改，比较麻烦，这里推荐一个方法

将该文件复制一份到宿主机上，使用的命令是：

docker cp 镜像id:/usr/local/Ascend/mindie/latest/mindie-service/conf/config.json /本地目录

这样，你可以在宿主机上进行修改json文件，方便快捷，因为每台机器都是一样的配置，因此，修改好后，每台机器复制一份就可以了。改完之后，需要在传回到镜像中，使用

docker cp 本地目录/config.json 容器id:/usr/local/Ascend/mindie/latest/mindie-service/conf/config.json

这样就完成了配置文件的修改，这个配置文件后续需要调整，这种方式省去了很多麻烦

下面是官方给的配置，如果想要部署的模型推理更快或者输入输出更长，都需要对应的调整该文件的参数，这部分暂时没有什么好的建议，目前我设置的是32k，可以正常部署起来，推理速度还可以

详细的参数介绍参考这个

https://www.hiascend.com/document/detail/zh/mindie/100/mindieservice/servicedev/mindie_service0285.html

{
 "Version":"1.0.0",
 "LogConfig":
  {
   "logLevel":"Info",
   "logFileSize":20,
   "logFileNum":20,
   "logPath":"logs/mindie-server.log"
  },

 "ServerConfig":
  {
   "ipAddress":"改成主节点IP",
   "managementIpAddress":"改成主节点IP",
   "port":1025,
   "managementPort":1026,
   "metricsPort":1027,
   "allowAllZeroIpListening":false,
   "maxLinkNum":1000,//如果是4机，建议300
   "httpsEnabled":false,
   "fullTextEnabled":false,
   "tlsCaPath":"security/ca/",
   "tlsCaFile": ["ca.pem"],
   "tlsCert":"security/certs/server.pem",
   "tlsPk":"security/keys/server.key.pem",
   "tlsPkPwd":"security/pass/key_pwd.txt",
   "tlsCrlPath":"security/certs/",
   "tlsCrlFiles": ["server_crl.pem"],
   "managementTlsCaFile": ["management_ca.pem"],
   "managementTlsCert":"security/certs/management/server.pem",
   "managementTlsPk":"security/keys/management/server.key.pem",
   "managementTlsPkPwd":"security/pass/management/key_pwd.txt",
   "managementTlsCrlPath":"security/management/certs/",
   "managementTlsCrlFiles": ["server_crl.pem"],
   "kmcKsfMaster":"tools/pmt/master/ksfa",
   "kmcKsfStandby":"tools/pmt/standby/ksfb",
   "inferMode":"standard",
   "interCommTLSEnabled":false,
   "interCommPort":1121,
   "interCommTlsCaPath":"security/grpc/ca/",
   "interCommTlsCaFiles": ["ca.pem"],
   "interCommTlsCert":"security/grpc/certs/server.pem",
   "interCommPk":"security/grpc/keys/server.key.pem",
   "interCommPkPwd":"security/grpc/pass/key_pwd.txt",
   "interCommTlsCrlPath":"security/grpc/certs/",
   "interCommTlsCrlFiles": ["server_crl.pem"],
   "openAiSupport":"vllm"
  },

 "BackendConfig": {
   "backendName":"mindieservice_llm_engine",
   "modelInstanceNumber":1,
   "npuDeviceIds": [[0,1,2,3,4,5,6,7]],
   "tokenizerProcessNumber":8,
   "multiNodesInferEnabled":true,
   "multiNodesInferPort":1120,
   "interNodeTLSEnabled":false,
   "interNodeTlsCaPath":"security/grpc/ca/",
   "interNodeTlsCaFiles": ["ca.pem"],
   "interNodeTlsCert":"security/grpc/certs/server.pem",
   "interNodeTlsPk":"security/grpc/keys/server.key.pem",
   "interNodeTlsPkPwd":"security/grpc/pass/mindie_server_key_pwd.txt",
   "interNodeTlsCrlPath":"security/grpc/certs/",
   "interNodeTlsCrlFiles": ["server_crl.pem"],
   "interNodeKmcKsfMaster":"tools/pmt/master/ksfa",
   "interNodeKmcKsfStandby":"tools/pmt/standby/ksfb",
   "ModelDeployConfig":
    {
     "maxSeqLen":10000,
     "maxInputTokenLen":2048,
     "truncation":true,
     "ModelConfig": [
        {
         "modelInstanceType":"Standard",
         "modelName":"deepseekr1",
         "modelWeightPath":"/home/data/dsR1_base_step178000",
         "worldSize":8,
         "cpuMemSize":5,
         "npuMemSize":-1,
         "backendType":"atb",
         "trustRemoteCode":false
        }
      ]
    },

   "ScheduleConfig":
    {
     "templateType":"Standard",
     "templateName":"Standard_LLM",
     "cacheBlockSize":128,

     "maxPrefillBatchSize":8,
     "maxPrefillTokens":2048,
     "prefillTimeMsPerReq":150,
     "prefillPolicyType":0,

     "decodeTimeMsPerReq":50,
     "decodePolicyType":0,

     "maxBatchSize":8,
     "maxIterTimes":1024,
     "maxPreemptCount":0,
     "supportSelectBatch":false,
     "maxQueueDelayMicroseconds":5000
    }
  }
}

启动服务

启动命令也比较简单

cd/usr/local/Ascend/mindie/latest/mindie-service
nohup ./bin/mindieservice_daemon > /workspace/output.log 2>&1 &

这里最好是把启动服务的命令挂后台，这样能查看日志，否则关闭终端后，虽然服务不掉，但是日志是找不到了，不方便debug

执行命令后，首先会打印本次启动所用的所有参数，然后直到出现以下输出：

Daemon start success!

则认为服务成功启动。

到这里可以认为是部署成功了，还有最后一步的测试：

curl -X POST http://{ip}:{port}/v1/chat/completions \
  -H"Accept: application/json"\
  -H"Content-Type: application/json"\
  -d'{
   "model": "DeepSeek-R1",
   "messages": [{
    "role": "user",
    "content": "你好"
   }],
   "max_tokens": 20,
   "presence_penalty": 1.03,
   "frequency_penalty": 1.0,
   "seed": null,
   "temperature": 0.5,
   "top_p": 0.95,
   "stream": true
  }'

注意，官方教程里是没有开启HTTPS通信，后续调用的时候用http，而不是https

使用https需要配置开启HTTPS通信所需服务证书、私钥等证书文件

以上能看到输出，就算是部署成功了

最后是适配OpenAI式的推理接口，可以参考

https://www.hiascend.com/document/detail/zh/mindie/10RC3/mindieservice/servicedev/mindie_service0076.html

有些槽点不得不提：

整个部署流程基本按照官方教程来的，但是一步一坑，各种稀奇古怪的问题，主要还找不到日志，容器里的目录翻了一遍，没有几个能看到实质性报错的内容，一般可以从/root/mindie下找到一些。网上也很少能搜到对应的问题，部署帖子如果能有个讨论的空间就好了，方便避坑

另外就是，这教程写的有些地方对不上（可能是我操作不对），很奇怪。比如测试的目录，刚开始很困惑，检查了数遍才在另外的目录下找到

还有一些问题，排查不出来，最后找华为老师解决的，还是很感谢快速的支持，希望国产越来越好。

部署问题，加载tokenizer失败解决方式：检查tokenizer.json 文件是否和官网一致，并且检查一下权限，是否能正常读取

还遇到一个问题，比如下面这个

只看日志，好像也看不出是什么原因，最终的解决方案是：升级驱动！

有类似问题是hccn 导致的，升级到24.1.0很多问题就自然的解决了，遇到难以解决的问题，不要怀疑自己..

cann 不用升级，只需升级昇腾NPU固件和驱动

选择欧拉系统，注意，这里可以选择800I A2推理服务器，推理速度更快

下载完这两个文件，正常按照流程安装即可

https://www.hiascend.com/document/detail/zh/CANNCommunityEdition/800alpha003/softwareinst/instg/instg_0004.html?Mode=PmIns&OS=Ubuntu&Software=cannToolKit

链载Ai