news 2026/7/6 11:21:02

01.01.03.DeepSeek:环境搭建篇(模型托管平台ModelScope:使用DeepSeek-R1 7B推理模型)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
01.01.03.DeepSeek:环境搭建篇(模型托管平台ModelScope:使用DeepSeek-R1 7B推理模型)

操作流程

  • 1、下载安装
  • 2、配置
  • 3、测试

  • 官网:https://www.modelscope.cn/models

下载安装

  • 注意:越狱版

  • 创建虚拟环境

## 查看效果:conda info --envsconda create--nameDeepSeek-R1-Distill-Qwen-7B-abliterated-v2python=3.12.7-y# 激活环境conda activate DeepSeek-R1-Distill-Qwen-7B-abliterated-v2# 退出环境# 当前的conda虚拟环境里,只需要执行conda deactivate# conda deactivate DeepSeek-R1-Distill-Qwen-7B-abliterated-v2# 删除环境# conda remove -n DeepSeek-R1-Distill-Qwen-7B-abliterated-v2 --all -y
  • 下载模型:DeepSeek-R1-Distill-Qwen-7B-abliterated-v2
cd/usr/local/softwaremkdir-p/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2chmod0777-R/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2chown$USER:$USER-R/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2MAX_JOBS=$(nproc)pip3installmodelscope modelscope download--modelhuihui-ai/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2--local_dir/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2

配置

  • 编写推理脚本:
# 安装依赖MAX_JOBS=$(nproc)pipinstalltorch==2.9.0torchvision==0.24.0torchaudio==2.9.0 --index-url https://download.pytorch.org/whl/cu126MAX_JOBS=$(nproc)pipinstalltransformers datasets acceleratecat>/mnt/D/modelscope/inference.py<<'EOF' from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2") model = AutoModelForCausalLM.from_pretrained("/mnt/D/modelscope/DeepSeek-R1-Distill-Qwen-7B-abliterated-v2") messages = [ {"role": "user", "content": "你是谁?能帮助我做什么?"}, ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, tokenize=True, return_dict=True, return_tensors="pt", ).to(model.device) outputs = model.generate(**inputs, max_new_tokens=40) print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:])) EOF

测试

  • 选择命令行:运行与测试
chmod0777-R/mnt/D/modelscope/inference.pychown$USER:$USER-R/mnt/D/modelscope/inference.py# 查看输出结果python3 /mnt/D/modelscope/inference.py
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/6 11:19:01

决策树预剪枝与后剪枝:基于Scikit-learn的5步调优实战

决策树预剪枝与后剪枝&#xff1a;基于Scikit-learn的5步调优实战决策树作为机器学习中最直观的算法之一&#xff0c;其"树状"结构让模型决策过程变得透明可解释。然而&#xff0c;这种透明性背后隐藏着一个关键挑战&#xff1a;如何在保持模型预测能力的同时&#x…

作者头像 李华
网站建设 2026/7/6 11:16:13

Python双下划线方法:12个核心Dunder方法实战指南

1. 项目概述&#xff1a;为什么这些“双下划线方法”不是语法糖&#xff0c;而是Python的底层操作系统你写过len(obj)却没重写过__len__&#xff1f;用过obj[3]却从没碰过__getitem__&#xff1f;调用str(obj)时理所当然&#xff0c;却不知道__str__是被谁悄悄触发的&#xff1…

作者头像 李华
网站建设 2026/7/6 11:14:22

Django Knox Token认证机制深度解析:可撤销、多设备、细粒度超时

1. 项目概述&#xff1a;为什么 Django Knox 的 Token 机制值得我们反复拆解在 Django 生态里&#xff0c;“认证”从来不是个能一笔带过的小模块。你可能刚用django.contrib.auth搭好登录页&#xff0c;第二天就发现前端发来的请求总被 401 拦在 API 门外&#xff1b;也可能在…

作者头像 李华
网站建设 2026/7/6 11:11:13

UTD-MHAD 数据集实战:基于 PyTorch 的 4 模态融合模型实现 99.8% 准确率

UTD-MHAD 数据集实战&#xff1a;基于 PyTorch 的 4 模态融合模型实现 99.8% 准确率人体动作识别技术正在从实验室走向实际应用场景&#xff0c;而多模态数据融合为这一进程提供了关键突破点。UTD-MHAD 作为同时包含 RGB 视频、深度视频、骨骼关节点和惯性传感器数据的四模态基…

作者头像 李华
网站建设 2026/7/6 11:10:08

CNN 过拟合实战:PyTorch 2.0 中 5 种正则化方法对比与调优

CNN 过拟合实战&#xff1a;PyTorch 2.0 中 5 种正则化方法对比与调优 当你在训练一个卷积神经网络&#xff08;CNN&#xff09;时&#xff0c;最令人沮丧的瞬间莫过于看到训练准确率节节攀升&#xff0c;而验证集表现却停滞不前——这就是典型的过拟合现象。在图像分类任务中&…

作者头像 李华
网站建设 2026/7/6 11:06:26

四级真题书怎么选?星火与巨微的提分逻辑拆解

1. 项目概述&#xff1a;一场持续三年的真题实战对比&#xff0c;不是选书&#xff0c;是选“提分路径” “英语四级刷题是星火好用还是巨微好用&#xff1f;”——这句话我每年开学季在自习室、图书馆、考研自习群甚至二手教材摊前至少听到27次。它表面是个工具选择题&#xf…

作者头像 李华