DeepSeek-V4 Inference on NPU

【免费下载链接】cann-recipes-infer 本项目针对LLM与多模态模型推理业务中的典型模型、加速算法，提供基于CANN平台的优化样例 【免费下载链接】cann-recipes-infer 项目地址: https://gitcode.com/cann/cann-recipes-infer

概述

DeepSeek团队发布了最新的模型DeepSeek-V4，本实践基于DeepSeek开源代码进行迁移，并在CANN平台上完成性能优化，支持在昇腾Atlas A3 Pod平台和950PR/DT平台部署。

硬件要求

产品型号：Atlas A3 Pod 系列

操作系统：Linux ARM

镜像版本：cann9.0_pt2.8.0_ds_aarch_image:v1.0

驱动版本：Ascend HDK 25.5.1

npu-smi info 检查Ascend NPU固件和驱动是否正确安装。如果已安装，通过命令npu-smi info确认版本是否为25.5.1。如果未安装或者版本不是25.5.1，请先下载固件和驱动包，并根据指导自行安装。

一站式平台指南

一站式平台已预置部署运行环境，使用一站式平台时请以本章节为准，无需执行标准流程中的 docker 相关步骤。

  • 模型支持：一站式平台环境为 Atlas A3 8卡环境，仅支持部署 DeepSeek-V4 Flash。
  • 环境部署：平台已搭建好运行环境，无需获取 docker 镜像，也无需拉起 docker 容器。
  • CANN 路径：CANN 安装路径为 /home/developer/Ascend/cann，涉及 cann_path 的脚本（如权重转换前的 source 命令）均需使用此路径。
  • YAML 配置：一站式平台请使用 ci_a3/deepseek_v4_platform.yaml 作为配置文件。由于一站式平台和 A3 Pod 硬件核数差异，本实践不支持多流控核，yaml 配置中 enable_limit_core 需设置为 False。

以下快速启动章节中各步骤的标准操作适用于非一站式平台环境，一站式平台用户请根据上述差异调整对应步骤。

快速启动

下载源码

在各个节点上执行如下命令下载 cann-recipes-infer 源码。

mkdir -p /home/code; cd /home/code/
git clone https://gitcode.com/cann/cann-recipes-infer.git
cd cann-recipes-infer

下载数据集

从链接中下载长序列输入数据集longbook_qa_eng，并上传到各个节点上新建的路径dataset/InfiniteBench下。

mkdir -p dataset/InfiniteBench

下载权重

下载DeepSeek-V4-Flash原始Hybrid FP8-MXFP4权重或DeepSeek-V4-Pro原始Hybrid FP8-MXFP4权重，并上传到各节点的某个固定的路径下，比如/data/models/deepseek_v4_hybrid_fp8_mxfp4。

获取 docker 镜像

从ARM镜像地址中下载 docker 镜像，然后上传到A3服务器的每个节点上，并通过命令导入镜像 docker load -i cann9.0_pt2.8.0_ds_aarch_image_v1.0.tar。

拉起 docker 容器

在各个节点上通过如下脚本拉起容器，默认容器名为 cann_recipes_infer。注意：需要将权重路径和源码路径挂载到容器里。

# A3 容器拉起脚本
docker run -u root -itd --name cann_recipes_infer --ulimit nproc=65535:65535 --ipc=host \
    --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/davinci8     --device=/dev/davinci9 \
    --device=/dev/davinci10    --device=/dev/davinci11 \
    --device=/dev/davinci12    --device=/dev/davinci13 \
    --device=/dev/davinci14    --device=/dev/davinci15 \
    --device=/dev/davinci_manager --device=/dev/devmm_svm \
    --device=/dev/hisi_hdc \
    -v /home/:/home \
    -v /data:/data \
    -v /etc/localtime:/etc/localtime \
    -v /usr/local/Ascend/driver:/usr/local/Ascend/driver \
    -v /etc/ascend_install.info:/etc/ascend_install.info -v /var/log/npu/:/usr/slog \
    -v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi -v /sys/fs/cgroup:/sys/fs/cgroup:ro \
    -v /usr/local/dcmi:/usr/local/dcmi -v /usr/local/sbin:/usr/local/sbin \
    -v /etc/hccn.conf:/etc/hccn.conf -v /root/.pip:/root/.pip -v /etc/hosts:/etc/hosts \
    -v /usr/bin/hostname:/usr/bin/hostname \
    --net=host \
    --shm-size=128g \
    --privileged \
    cann9.0_pt2.8.0_ds_aarch_image:v1.0 /bin/bash

在各个节点上通过如下命令进入容器：

docker attach cann_recipes_infer
cd /home/code/cann-recipes-infer/models/deepseek-v4

转换权重中的config.json

使用原生Hybrid FP8-MXFP4版本权重执行推理时需要执行这一步骤，其他场景跳过该步骤。需要进入容器并在各个节点上使用utils/convert_config.py 脚本完成权重路径下的config.json转换。

注意： 该步骤不会对权重进行任何处理，仅将新生成的config.json覆盖原始config.json，如需保留原始config.json，请自行备份

如果权重config.json转换的运行环境为NPU，需要先执行：

cann_path=/usr/local/Ascend/cann  # cann包安装路径
source ${cann_path}/bin/setenv.bash

入参介绍：input_fp8_hf_path：原始权重路径；

拉起示例：

python utils/convert_config.py --input_fp8_hf_path /data/models/deepseek_v4

转换权重

原生Hybrid FP8-MXFP4权重执行推理时可跳过这一步骤，若需要使用 INT8 或 Hybrid MXFP8-MXFP4 权重执行推理，需要进入容器并在各个节点上使用utils/convert_model.py 脚本完成 Hybrid FP8-MXFP4 到 INT8/Hybrid MXFP8-MXFP4 权重转换。

入参介绍：input_fp8_hf_path：原始权重路径；output_hf_path：转换后输出的权重路径；quant_mode：量化模式

如果权重转换的运行环境为NPU，需要先执行：

cann_path=/usr/local/Ascend/cann  # cann包安装路径
source ${cann_path}/bin/setenv.bash

权重转换拉起示例：

# 转换为W8A8-INT8权重，适用于Atlas A3 Pod系列
python utils/convert_model.py --input_fp8_hf_path /data/models/deepseek_v4  --output_hf_path /data/models/deepseek_v4_int8_w8a8 --quant_type w8a8-int

# 转换为Hybrid MXFP8-MXFP4权重，适用于950PR/DT系列
python utils/convert_model.py --input_fp8_hf_path /data/models/deepseek_v4  --output_hf_path /data/models/deepseek_v4_hybrid_mxfp8_mxfp4 --quant_type w4a8-mx

修改代码

  • 在各个节点上修改cann-recipes-infer/models/deepseek-v4/set_env.sh中的如下字段:

    • IPs：配置所有节点的IP，按照rank id排序，多个节点的ip通过空格分开，例如：('xxx.xxx.xxx.xxx' 'xxx.xxx.xxx.xxx')。
    • cann_path: CANN软件包安装路径，例如/usr/local/Ascend/cann。

  • 在Atlas A3 Pod各个节点上修改 config/ci_a3 路径下需要执行的yaml文件中的model_path真实路径；在950PR/DT各个节点上修改 config/ci_950 路径下需要执行的yaml文件中的model_path路径。关于yaml文件中的更多配置说明可参见YAML参数描述。

  • 在 yaml 配置中，默认采用npugraph_ex执行方式。这一后端是 NPU 平台全新推出的高性能图计算组件，其基于 CANN 的 AclGraph（对标 CUDAGraph）底层能力，深度融合了一系列 NPU 架构的亲和调度和图优化技术。从落地层面来看，npugraph_ex具备以下显著优势：可快速接入 PyTorch 生态、能无缝集成到 SGLang、vLLM 等主流推理框架中，同时保障极致的运行性能。

  • 在各个节点上修改 infer.sh 文件中的YAML_FILE_NAME，指定为上一步需要执行的yaml文件名。

    # A3 用例
export YAML_FILE_NAME=ci_a3/deepseek_v4.yaml
# 950PR/DT  用例
export YAML_FILE_NAME=ci_950/deepseek_v4.yaml

    一站式平台 A3 场景请使用 ci_a3/deepseek_v4_platform.yaml，详见一站式平台指南。

    Note: 在A3环境下，INT8 W8A8场景支持 4~64卡部署。可分别在config下的yaml文件中修改world_size (chips * 2) 配置。

拉起多卡推理

在各个节点上同步执行如下命令即可拉起多卡推理任务。

bash infer.sh

Note： 不同平台最小部署单元要求如下

平台 模型型号 最小部署单元（chips）
950PR/DT DeepSeek-V4 Flash 4
950PR/DT Deepseek-V4 Pro 16
Atlas A3 DeepSeek-V4 Flash 4
Atlas A3 Deepseek-V4 Pro 适配支持中

【免费下载链接】cann-recipes-infer 本项目针对LLM与多模态模型推理业务中的典型模型、加速算法，提供基于CANN平台的优化样例 【免费下载链接】cann-recipes-infer 项目地址: https://gitcode.com/cann/cann-recipes-infer

Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

RAG 召回率达标但回答仍错：归因链条与 DeepSeek 工程对策

avatar DeepSeek技术社区
cover

DeepSeek-V4 长会话稳定性优化：截断补救与权限隔离的工程实践

avatar DeepSeek技术社区
cover

DeepSeek-V4 提示词版本管理：从 YAML 散落到灰度发布的最佳实践

avatar DeepSeek技术社区