NPU平台DeepSeek-V3.2推理-洪萨配资

DeepSeek-V3.2-Exp 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-V3.2-Exp，在各项指标上都达到了SOTA水平。本样例基于DeepSeek开源代码进行迁移，并在CANN平台上完成对应的优化适配，可在华为 Atlas A3 集群上运行起来。

本样例的并行策略和性能优化点详细介绍可参见NPU DeepSeek-V3.2-Exp推理优化实践。

硬件要求

产品型号：Atlas A3 系列

操作系统：Linux ARM

镜像版本：cann8.5_pt2.6.0_dsv3.2_aarch_image:v0.7

驱动版本：Ascend HDK 25.2.0

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 25.2.0。如果未安装或者版本不是 25.2.0，请先下载固件和驱动包，然后根据指导自行安装。

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-V3.2-Exp原始fp8权重，并上传到Atlas A3各节点某个固定的路径下，比如/data/models/DeepSeek-V3.2-Exp-fp8。

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 cann8.5_pt2.6.0_dsv3.2_aarch_image_v0.7.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。

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 \ cann8.5_pt2.6.0_dsv3.2_aarch_image:v0.7 /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-v3.2-exp

转换权重

在各个节点上使用weight_convert.sh脚本完成FP8到Bfloat16/Int8权重转换。

入参介绍：input_fp8_hf_path：原始fp8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/ascend-toolkit/latest # cann包安装路径 source ${cann_path}/bin/setenv.bash

权重转换拉起示例：

# 转换为Bfloat16权重 bash utils/weight_convert.sh --input_fp8_hf_path /data/models/DeepSeek-V3.2-Exp-FP8 --output_hf_path /data/models/DeepSeek-V3.2-Exp-Bfloat16 --quant_mode bfloat16 # 转换为W8A8C16权重 bash utils/weight_convert.sh --input_fp8_hf_path /data/models/DeepSeek-V3.2-Exp-FP8 --output_hf_path /data/models/DeepSeek-V3.2-Exp-W8A8C16 --quant_mode w8a8c16 # 转换为W8A8C8权重 bash utils/weight_convert.sh --input_fp8_hf_path /data/models/DeepSeek-V3.2-Exp-FP8 --output_hf_path /data/models/DeepSeek-V3.2-Exp-W8A8C8 --quant_mode w8a8c8 # 转换为W4A8C8权重 bash utils/weight_convert.sh --input_fp8_hf_path /data/models/DeepSeek-V3.2-Exp-FP8 --output_hf_path /data/models/DeepSeek-V3.2-Exp-W4A8C8 --quant_mode w4a8c8

修改代码

在各个节点上修改 set_env.sh 文件中的IPs。

export IPs=('xxx.xxx.xxx.xxx' 'xxx.xxx.xxx.xxx') # 所有节点的IP，确保第1个IP是master，多个节点的ip通过空格分开

在各个节点上修改 config/ 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。

# BF16 model_path: "/data/models/DeepSeek-V3.2-Exp-Bfloat16" # W8A8C16 model_path: "/data/models/DeepSeek-V3.2-Exp-W8A8C16" # W8A8C8 model_path: "/data/models/DeepSeek-V3.2-Exp-W8A8C8"

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。默认的yaml路径为32卡推理。

# BF16 prefill export YAML_FILE_NAME=deepseek_v3.2_exp_rank_64_64ep_prefill_benchmark.yaml # BF16 decode export YAML_FILE_NAME=deepseek_v3.2_exp_rank_128_128ep_decode_benchmark.yaml # W8A8C8 prefill export YAML_FILE_NAME=deepseek_v3.2_exp_rank_64_64ep_w8a8c8_prefill_benchmark.yaml # W8A8C8 decode export YAML_FILE_NAME=deepseek_v3.2_exp_rank_128_128ep_w8a8c8_decode_benchmark.yaml

Note: 本样例BF16场景Prefill支持32-128卡，Decode支持32-128卡，Int8场景Prefill支持8-128卡，Decode支持8-128卡，可分别在config下的yaml文件中修改world_size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

附录

FAQ

HCCL_BUFFSIZE不足问题：如果报错日志中出现关键字"HCCL_BUFFSIZE is too SMALL, ..., NEEDED_HCCL_BUFFSIZE..., HCCL_BUFFSIZE=200MB, ..."，可通过配置环境变量export HCCL_BUFFSIZE=实际需要的大小解决，所有Rank上的该环境变量需保持一致。HCCL_BUFFSIZE参数介绍可参考昇腾资料中的详细描述。
自定义算子导入失败：如果报错日志中出现类似关键字"'_OpNamespace' 'custom' object has no attribute"，可参考自定义算子指南编译所需算子。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考