文档中心

GPU云服务器

DeepSeek系列模型

GPU-小EP部署DeepSeek-R1/V3模型

本文以在2台ecs.hpcpni3ln.45xlarge实例中，利用小规模专家并行（EP）技术部署DeepSeek-R1/V3模型为例，介绍如何在计算资源有限的情况下获得较好的模型推理性能。

背景信息

EP（Expert Parallelism，专家并行）是混合专家（MoE）模型中的核心并行策略，其核心思想是将MoE模型中的专家（Expert）分布到多个计算设备（例如GPU）上，解决单卡内存和算力的瓶颈限制，并通过负载均衡、通信优化和硬件亲和性设计，实现性能与资源效率的平衡。

DeepSeek-V3

DeepSeek-V3是一款强大的混合专家（MoE）语言模型，其总参数量达到了671 B，每个Token激活37 B参数，且在14.8 T Token上进行了预训练。了解更多。

DeepSeek-V3-0324

DeepSeek-V3-0324是DeepSeek发布的V3小版本，其参数量达到685 B。相较于DeepSeek-V3模型，DeepSeek-V3-0324在推理能力、代码能力、语言能力上都有明显提升。了解更多。

DeepSeek-R1

DeepSeek-R1是基于DeepSeek-V3-Base训练生成的推理模型。相较于DeepSeek-V3模型，DeepSeek-R1更擅长数学、代码和自然语言推理等复杂任务，其凭借模型开源、算法创新、极致性价比吸引全球注意。了解更多。

DeepSeek-R1-0528

DeepSeek-R1-0528是DeepSeek发布的R1小版本，该继续使用DeepSeek-V3-Base模型作为基座，但在后训练过程中投入了更多算力，显著提升了模型的思维深度与推理能力。在数学、编程与通用逻辑等多个基准测评中取得了优异成绩，并且在整体表现上已接近其他国际顶尖模型。了解更多。

软件要求

NVIDIA驱动：

GPU驱动：用来驱动NVIDIA GPU的程序。本文以535.161.08为例。

运行环境：

SGLang框架：SGLang是一个用于大型语言模型和视觉语言模型的快速服务框架，本文以v0.4.6.post2版本为例。

操作步骤

步骤一：准备环境

创建GPU计算型实例。

请根据通过向导购买实例指引，创建两台符合如下条件的实例：

配置项	推荐配置
基础配置
计算规格	ecs.hpcpni3ln.45xlarge 说明 ecs.hpcpni3ln.45xlarge规格实例正在邀测中，如需试用，请提交工单或联系客户经理申请。
镜像	Ubuntu 22.04 with GPU Driver 535.161.08 and doca 说明若您选用其他发行版本的镜像，需在创建实例后自行安装GPU驱动。
实例数量	2 说明本文创建的两台GPU实例，分别作为“节点0”、“节点1”。
存储	规格：吞吐型SSD TL0云盘容量：不低于1 TiB 说明本文使用的DeepSeek-R1/DeepSeek-V3模型参数量均为671 B、DeepSeek-V3-0324模型参数量为685 B，您可以根据实际部署的模型参数量级，调整云盘容量。
网络配置
私有网络	两台实例需处于同一私有网络。
公网IP	勾选“分配弹性公网IP”。

安装依赖的软件、工具。

分别登录购买的两台GPU实例。了解更多。

在两台实例中分别执行如下命令，安装、配置Docker。

sudo apt update
sudo apt install ca-certificates curl gnupg lsb-release
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://mirrors.ivolces.com/docker/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.ivolces.com/docker/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 docker-compose-plugin -y

在两台实例中分别执行如下命令，安装NVIDIA Container Toolkit。

curl -s https://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/3bf863cc.pub | sudo apt-key add -
cat <<EOF >/etc/apt/sources.list.d/nvidia.list
deb http://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/ /
EOF
apt update
apt install nvidia-container-toolkit -y

在两台实例中分别执行如下命令配置Docker，使容器可以使用实例的GPU资源。

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

（可选）初始化本地盘。

若您选用的实例规格搭配有本地盘，建议您执行如下命令将本地盘挂载到存储模型的目录“/data01”，提升模型加载速度。

mkfs -t ext4 /dev/nvme0n1
mount -t ext4 /dev/nvme0n1 /data01

说明

请将/dev/nvme0n1替换为实际本地盘名称。

请将ext4替换为您期望使用的文件系统。

步骤二：部署、运行模型

分别登录购买的两台GPU实例。了解更多。

在相应节点的实例中启动Docker容器和模型服务。

“节点0”实例
“节点1”实例
请根据实例所在地域，执行相应命令部署、运行模型。
华北2（北京）

docker run -d --network host --privileged --gpus=all --ipc=host -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ -v /data01:/data -e MODEL_LENGTH=131072 -e TP=16 -e TOTAL_RANKS=2 -e RANKS=0 -e RANK0_ADDR=192.168.0.2:10240 -e NCCL_MIN_NCHANNELS=24 -e NCCL_IB_QPS_PER_CONNECTION=8 -e SGL_ENABLE_JIT_DEEPGEMM=1 -e CMD_ARGS="--cuda-graph-bs 1 2 4 8 10 16 20 24 28 32 40 44 48 50 52 56 60 64 66 68 70 72 74 76 78 80 82 --cuda-graph-max-bs 82 --attention-backend fa3 --speculative-algo NEXTN --speculative-draft /data/models/DeepSeek-R1-NextN --speculative-num-steps 3 --speculative-eagle-topk 2 --speculative-num-draft-tokens 4 --enable-ep-moe --max-running-requests 256 --mem-fraction-static 0.8" ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143

华东2（上海）

docker run -d --network host --privileged --gpus=all --ipc=host -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ -v /data01:/data -e MODEL_LENGTH=131072 -e TP=16 -e TOTAL_RANKS=2 -e RANKS=0 -e RANK0_ADDR=192.168.0.2:10240 -e NCCL_MIN_NCHANNELS=24 -e NCCL_IB_QPS_PER_CONNECTION=8 -e SGL_ENABLE_JIT_DEEPGEMM=1 -e CMD_ARGS="--cuda-graph-bs 1 2 4 8 10 16 20 24 28 32 40 44 48 50 52 56 60 64 66 68 70 72 74 76 78 80 82 --cuda-graph-max-bs 82 --attention-backend fa3 --speculative-algo NEXTN --speculative-draft /data/models/DeepSeek-R1-NextN --speculative-num-steps 3 --speculative-eagle-topk 2 --speculative-num-draft-tokens 4 --enable-ep-moe --max-running-requests 256 --mem-fraction-static 0.8" ai-containers-cn-shanghai.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143
请根据实例所在地域，执行相应命令部署、运行模型。
华北2（北京）

docker run -d --network host --privileged --gpus=all --ipc=host -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ -v /data01:/data -e MODEL_LENGTH=131072 -e TP=16 -e TOTAL_RANKS=2 -e RANKS=1 -e RANK0_ADDR=192.168.0.2:10240 -e NCCL_MIN_NCHANNELS=24 -e NCCL_IB_QPS_PER_CONNECTION=8 -e SGL_ENABLE_JIT_DEEPGEMM=1 -e CMD_ARGS="--cuda-graph-bs 1 2 4 8 10 16 20 24 28 32 40 44 48 50 52 56 60 64 66 68 70 72 74 76 78 80 82 --cuda-graph-max-bs 82 --attention-backend fa3 --speculative-algo NEXTN --speculative-draft /data/models/DeepSeek-R1-NextN --speculative-num-steps 3 --speculative-eagle-topk 2 --speculative-num-draft-tokens 4 --enable-ep-moe --max-running-requests 256 --mem-fraction-static 0.8" ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143

华东2（上海）

docker run -d --network host --privileged --gpus=all --ipc=host -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ -v /data01:/data -e MODEL_LENGTH=131072 -e TP=16 -e TOTAL_RANKS=2 -e RANKS=1 -e RANK0_ADDR=192.168.0.2:10240 -e NCCL_MIN_NCHANNELS=24 -e NCCL_IB_QPS_PER_CONNECTION=8 -e SGL_ENABLE_JIT_DEEPGEMM=1 -e CMD_ARGS="--cuda-graph-bs 1 2 4 8 10 16 20 24 28 32 40 44 48 50 52 56 60 64 66 68 70 72 74 76 78 80 82 --cuda-graph-max-bs 82 --attention-backend fa3 --speculative-algo NEXTN --speculative-draft /data/models/DeepSeek-R1-NextN --speculative-num-steps 3 --speculative-eagle-topk 2 --speculative-num-draft-tokens 4 --enable-ep-moe --max-running-requests 256 --mem-fraction-static 0.8" ai-containers-cn-shanghai.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143

参数说明：

如上命令以部署、启动DeepSeek-R1模型为例，如需部署、启动其他模型，可根据如下说明替换对应环境变量的参数值。

环境变量	说明	取值样例
MODEL_PATH	容器内模型存储路径，默认值/data/models。	/data/models
MODEL_NAME	部署的模型名称。取值： DeepSeek-R1：默认值，部署DeepSeek-R1模型。 DeepSeek-R1-0528：部署DeepSeek-R1-0528模型。 DeepSeek-V3：部署DeepSeek-V3模型。 DeepSeek-V3-0324：部署DeepSeek-V3-0324模型。	DeepSeek-R1
MODEL_LENGTH	模型的最大长度（Token数），默认值131072。	131072
TP	Tensor Parallelism 并行度，默认值16。	16
TOTAL_RANKS	总节点数，默认值1。	2
RANKS	指定当前节点的Rank号，默认值0。	0
RANK0_ADDR	配置访问Rank号为0的节点其IP地址与端口号，格式为IP地址：端口号。 IP地址：建议配置为0号节点的私网IP地址。端口号：节点间通信的端口号。	192.168.0.2:10240
PORT	服务监听的端口号，默认值8080。	8080
CMD_ARGS	指定SGLang框架启动的额外参数。格式为-e CMD_ARGS="<参数参数值>"。例如：添加--mem-fraction-static与--disable-cuda-graph两个参数时，可追加参数：-e CMD_ARGS="--mem-fraction-static 0.95 --disable-cuda-graph"	"--mem-fraction-static 0.95"

说明

火山引擎基于社区版SGLang 0.4.6.post2版本框架进行了如下优化，提升模型推理性能。

调优EPMoE算子性能。

通过配置文件调优fused_moe参数。

添加运行参数--speculative-num-steps 3 --speculative-eagle-topk 2 --speculative-num-draft-tokens 4，调优DeepSeek模型的MTP（Multi-Token Prediction）模块。

通过命令启动容器时，会自动拉取推理引擎镜像和权重文件，由于模型文件较大，安装过程相对耗时，请耐心等待。

若您需要自行下载推理引擎与模型文件，参考附录进行下载。

在两台实例中分别执行如下命令，通过Docker日志确认容器及模型是否成功启动。

查看容器ID。

docker ps

查看对应容器的运行日志。

docker logs -f <CONTAINER_ID>

说明

请将<CONTAINER_ID>替换为实际容器ID。

步骤三：调用模型

执行如下命令调用模型，确保部署的模型可以正常进行推理。

curl -X POST http://0.0.0.0:8080/v1/chat/completions -H "Content-Type: application/json" -d '{
"model": "/data/models/DeepSeek-R1",
"messages": [
{
"role": "user",
"content": "Please prove the Riemann Hypothesis."
}
],
"max_tokens": 100,
"temperature": 0.7
}'

参数说明：

本文仅说明验证使用到的参数信息，更多参数详情可查看DeepSeek API文档。

参数名	说明	取值样例
model	使用的模型。	/data/models/DeepSeek-R1
messages	对话的消息列表。 role：该消息的发起角色。 content：消息的内容。	-
max_tokens	指定一次请求中模型生成Completion的最大Token数。取值：介于1 到 8192 间的整数。默认值为 4096。	100
temperature	采样温度，值越高（例如1）会使输出更随机，而值越低（例如0.2）会使其更加集中和确定。取值：介于 0 和 2 之间。	0.7

附录

您可自行下载火山引擎缓存的推理引擎及模型文件，或前往DeepSeek官网下载相应内容。

资源			地域	下载方式
推理引擎			华北2（北京）	docker pull ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143
推理引擎						华东2（上海）	docker pull ai-containers-cn-shanghai.cr.volces.com/deeplearning/sglang:v0.4.6.post2.byted.0.0.2.202505132143
模型文件说明请使用tosutil下载模型文件。请在tosutil所在目录中执行下载命令，建议将/root替换为实际存放模型文件路径。	DeepSeek-V3	华北2（北京）	./tosutil cp tos://iaas-public-model-cn-beijing/models/DeepSeek-V3/ /root -r
	DeepSeek-V3			华东2（上海）	./tosutil cp tos://iaas-public-model-cn-shanghai/models/DeepSeek-V3/ /root -r
		DeepSeek-V3-0324	华北2（北京）	./tosutil cp tos://iaas-public-model-cn-beijing/models/DeepSeek-V3-0324/ /root -r
		DeepSeek-V3-0324		华东2（上海）	./tosutil cp tos://iaas-public-model-cn-shanghai/models/DeepSeek-V3-0324/ /root -r
		DeepSeek-R1	华北2（北京）	./tosutil cp tos://iaas-public-model-cn-beijing/models/DeepSeek-R1/ /root -r
		DeepSeek-R1		华东2（上海）	./tosutil cp tos://iaas-public-model-cn-shanghai/models/DeepSeek-R1/ /root -r

最近更新时间：2025.06.09 19:14:58

这个页面对您有帮助吗？

有用

无用