5
模型应用
使用vllm:0.15.1--ubuntu22.04-dtk26.04-py3.10-20260409的镜像,拉起deepseek满血版,输出乱码
2026-04-23 11:14:13
203

我使用四节点。

环境变量配置:

export ALLREDUCE_STREAM_WITH_COMPUTE=1

export NCCL_SOCKET_IFNAME=ib0

export GLOO_SOCKET_IFNAME=ib0

export NCCL_IB_HCA=ib0 # 环境中的IB网卡名字

unset NCCL_ALGO

export NCCL_MIN_NCHANNELS=16

export NCCL_MAX_NCHANNELS=16

export NCCL_NET_GDR_READ=1

export HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7

export VLLM_SPEC_DECODE_EAGER=1

export VLLM_MLA_DISABLE=0

export VLLM_USE_FLASH_MLA=1


# 海光CPU绑定核

export VLLM_NUMA_BIND=1

export VLLM_RANK0_NUMA=0

export VLLM_RANK1_NUMA=1

export VLLM_RANK2_NUMA=2

export VLLM_RANK3_NUMA=3

export VLLM_RANK4_NUMA=4

export VLLM_RANK5_NUMA=5

export VLLM_RANK6_NUMA=6

export VLLM_RANK7_NUMA=7

#每个计算节点分别配置

export VLLM_HOST_IP=12.7.8.47

export VLLM_HOST_IP=12.7.8.48

export VLLM_HOST_IP=12.7.8.49

export VLLM_HOST_IP=12.7.8.50


vllm命令:

vllm serve /public/ai_data/models/DeepSeek-V3.2-BF16  \

--served-model-name ds32 \

--trust-remote-code \

--chat-template ./custom_template.jinja \

--distributed-executor-backend ray \

--dtype bfloat16 \

--enforce-eager \

--tensor-parallel-size 32 \

--enable-expert-parallel \

--max-model-len 4096 \

--max-num-batched-tokens 4096 \

--max-num-seqs 32 \

--disable-log-requests \

--block-size 64 \

--no-enable-chunked-prefill \

--no-enable-prefix-caching \

--gpu-memory-utilization 0.9


custom_template.jinja的内容:

{% for message in messages %}{% if message['role'] == 'user' %}<|im_start|>user

{{ message['content'] }}<|im_end|>

{% elif message['role'] == 'assistant' %}<|im_start|>assistant

{{ message['content'] }}<|im_end|>

{% endif %}{% endfor %}<|im_start|>assistant


curl测试:

curl http://localhost:8000/v1/chat/completions \

  -H "Content-Type: application/json" \

  -d '{

    "model": "ds32",

    "messages": [{"role": "user", "content": "讲个笑话"}],

    "max_tokens": 400,

    "stream": false

  }'


输出是乱码:

íííííííííííííííííígramí Â冊握\"即三隨- 之 íí之之之之í之之 respectively是自\r途各有í分別


我的问题是:我哪里搞错了,这是模型权重问题还是vllm的适配问题。

有没有详细的拉起满血deepseek的教程。

我想运行多dp,ep的场景。镜像版本是不是支持。


全部评论(3)
只看楼主
Z
zhufzh1
2楼
您好,请问是在什么型号的DCU上进行的推理部署呢
4/24
张
张松阳
回复 @zhufzh1
bw1000吧
4/27
张
张松阳
楼主
1楼
使用harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.15.1--ubuntu22.04-dtk26.04-py3.10-20260409的镜像,
vllm命令删除enable-expert-parallel,拉起成功。
custom_template.jinja的内容来自https://blog.csdn.net/weixin_41544125/article/details/149252298
{% for message in messages %}{% if message['role'] == 'user' %}<|im_start|>user
{{ message['content'] }}<|im_end|>
{% elif message['role'] == 'assistant' %}<|im_start|>assistant
{{ message['content'] }}<|im_end|>
{% endif %}{% endfor %}<|im_start|>assistant
4/24
没有更多内容了
--
楼主
Level.2
0 帖子
楼主热帖
暂无数据