DeepSeek-R1-Distill-Qwen-1.5B 模型部署文档

1. 简介

DeepSeek-R1-Distill-Qwen-1.5B 是一个基于 Qwen-1.5B 模型的知识蒸馏版本，适用于多种自然语言处理任务，如文本生成、问答、对话系统等。本文档将指导您如何部署该模型。

2. 环境准备

2.1 硬件要求

• GPU: 至少 16GB 显存
• CPU: 8核以上
• 内存: 32GB 以上
• 存储: 至少 10GB 可用空间

2.2 软件要求

• 操作系统: Linux (推荐 Ubuntu 20.04)
• Python: 3.8 或以上
• CUDA: 11.1 或以上
• cuDNN: 8.0 或以上

2.3 依赖库安装

pip install torch==1.10.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html
pip install transformers==4.12.0
pip install sentencepiece
pip install flask

3. 模型下载

3.1 从 Hugging Face 下载模型

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "DeepSeek/R1-Distill-Qwen-1.5B"
model = AutoModelForCausalLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

model.save_pretrained("./deepseek-r1-distill-qwen-1.5b")
tokenizer.save_pretrained("./deepseek-r1-distill-qwen-1.5b")

3.2 从本地加载模型

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("./deepseek-r1-distill-qwen-1.5b")
tokenizer = AutoTokenizer.from_pretrained("./deepseek-r1-distill-qwen-1.5b")

4. 模型部署（重要流程，步骤3可以忽略）

4.1 使用 Flask 部署 API

from flask import Flask, request, jsonify
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

app = Flask(__name__)

model = AutoModelForCausalLM.from_pretrained("../model/DeepSeek-R1-Distill-Qwen-1.5B")
tokenizer = AutoTokenizer.from_pretrained("../model/DeepSeek-R1-Distill-Qwen-1.5B")

# 将模型移动到 GPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

@app.route('/generate', methods=['POST'])
def generate():
    try:
        data = request.json
        input_text = data.get('input_text', '')
        max_length = data.get('max_length', 50)
        
        # 将输入数据移动到 GPU
        inputs = tokenizer(input_text, return_tensors="pt").to(device)
        
        # 模型推理
        outputs = model.generate(inputs['input_ids'], max_length=max_length)
        
        # 解码输出
        generated_text = tokenizer.decode(outputs[0], skip_special_tokens=True)
        
        return jsonify({'generated_text': generated_text})
    
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

4.2 启动服务

python app.py

4.3 测试 API

curl -H "Content-Type: application/json" -d '{"input_text": "你好", "max_length": 50}' -X POST http://localhost:5000/generate 

python调用

import requests
import json
import argparse

def generate_text(input_text, max_length):
    # 定义请求数据
    url = "http://localhost:5000/generate"
    headers = {"Content-Type": "application/json"}
    data = {"input_text": input_text, "max_length": max_length}

    # 将数据转换为 JSON 字符串
    data_str = json.dumps(data, ensure_ascii=False)  # 确保 JSON 中的中文字符不被转义

    # 发送 POST 请求并流式接收响应
    response = requests.post(url, headers=headers, data=data_str.encode('utf-8'), stream=True)

    # 检查请求是否成功
    if response.status_code == 200:
        # 流式处理响应
        for line in response.iter_lines(decode_unicode=True):
            if line:
                try:
                    # 将字符串解析为 JSON 对象
                    json_data = json.loads(line)
                    # 提取 generated_text 并打印
                    generated_text = json_data.get("generated_text", "")
                    print(generated_text)
                except json.JSONDecodeError:
                    print(f"无法解析JSON对象: {line}")
    else:
        print(f"请求失败，状态码: {response.status_code}")

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="处理输入文本和最大长度参数")
    parser.add_argument("--input_text", type=str, required=True, help="输入的文本")
    parser.add_argument("--max_length", type=int, required=True, help="最大长度")

    args = parser.parse_args()
    generate_text(args.input_text, args.max_length)

python app.py --input_text "介绍一下你自己" --max_length 50

5. 参考文档

• Hugging Face Transformers 文档
• PyTorch 文档
• Flask 文档