--- title: DeepSeek-R1-Distill-Llama-70B-模型库-ModelZoo-昇腾社区 description: DeepSeek-R1-Distill-Llama-70B是DeepSeek AI从DeepSeek-R1模型中蒸馏出来的Llama模型，比经过强化学习训练出来的小型稠密模型拥有更好的推理能力。 keywords: DeepSeek,Distill,Llama,模型库,ModelZoo,昇腾社区,Usage,权重 url: https://www.hiascend.com/software/modelzoo/models/detail/ee3f9897743a4341b43710f8d204733a section: (其他) --- # DeepSeek-R1-Distill-Llama-70B-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/ee3f9897743a4341b43710f8d204733a 描述: DeepSeek-R1-Distill-Llama-70B是DeepSeek AI从DeepSeek-R1模型中蒸馏出来的Llama模型，比经过强化学习训练出来的小型稠密模型拥有更好的推理能力。 关键词: DeepSeek,Distill,Llama,模型库,ModelZoo,昇腾社区,Usage,权重 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) DeepSeek-R1-Distill-Llama-70B ## DeepSeek-R1-Distill-Llama-70B LLMPyTorch推理21257次浏览2026/01/19更新 获取源码 点击DeepSeek专区 [了解详情](https://www.hiascend.com/developer/deepseek)获取更多资源 DeepSeek-R1-Distill-Llama-70B 点击DeepSeek专区 [了解详情](https://www.hiascend.com/developer/deepseek)获取更多资源 查看模型源码 ... # DeepSeek-R1-Distill-Llama-70B ## Usage Using the reasoning data generated by DeepSeek-R1, DeepSeek AI fine-tuned several dense models that are widely used in the research community, slightly changing their configs and tokenizers. DeepSeek-R1-Distill-Llama-70B is one of them. ## 权重 权重下载 - DeepSeek-R1-Distill-Llama-70B [了解详情](https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Llama-70B/tree/main) ## 加载镜像 前往昇腾社区/开发资源 [了解详情](https://www.hiascend.com/developer/ascendhub/detail/af85b724a7e5469ebd7ea13c3439d48f)下载适配DeepSeek-R1-Distill-Llama-70B的镜像包：1.0.0-800I-A2-py311-openeuler24.03-lts 完成之后，请使用`docker images`命令确认查找具体镜像名称与标签。 镜像中各组件版本配套如下： | 组件 | 版本 | | --- | ---| | MindIE | 1.0.0 | | CANN | 8.0.0 | | PTA | 6.0.0 | | MindStudio | 7.0.0 | | HDK | 24.1.0 | ## 约束条件 - 部署DeepSeek-R1-Distill-Llama-70B模型至少需要`1台Atlas 800I A2服务器` - 支持TP=8推理 ## 新建容器 目前提供的MindIE镜像预置了DeepSeek-R1-Distill-Llama-70B模型推理脚本，无需再额外下载模型适配代码，直接新建容器即可。 如果您使用的是root用户镜像（例如从Ascend Hub上取得），并且可以使用特权容器，请使用以下命令启动容器： ``` docker run -it -d --net=host --shm-size=1g \ --privileged \ --name \ --device=/dev/davinci_manager \ --device=/dev/hisi_hdc \ --device=/dev/devmm_svm \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/local/sbin:/usr/local/sbin:ro \ -v /path-to-weights:/path-to-weights:ro \ mindie:1.0.0-800I-A2-py311-openeuler24.03-lts bash ``` 如果您希望使用自行构建的普通用户镜像，并且规避容器相关权限风险，可以使用以下命令指定用户与设备： ``` docker run -it -d --net=host --shm-size=1g \ --name \ --device=/dev/davinci_manager \ --device=/dev/hisi_hdc \ --device=/dev/devmm_svm \ --device=/dev/davinci0 \ --device=/dev/davinci1 \ --device=/dev/davinci2 \ --device=/dev/davinci3 \ --device=/dev/davinci4 \ --device=/dev/davinci5 \ --device=/dev/davinci6 \ --device=/dev/davinci7 \ -v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \ -v /usr/local/sbin:/usr/local/sbin:ro \ -v /path-to-weights:/path-to-weights:ro \ mindie:1.0.0-800I-A2-py311-openeuler24.03-lts bash ``` 更多镜像使用信息请参考官方镜像仓库文档 [了解详情](https://gitee.com/ascend/ascend-docker-image/tree/dev/mindie#%E5%90%AF%E5%8A%A8%E5%AE%B9%E5%99%A8)。 ## 进入容器 ``` docker exec -it ${容器名称} bash ``` ## 量化权重生成 ### Atlas 800I A2 w8a8量化 - 生成量化权重依赖msModelSlim工具，安装方式见此README [了解详情](https://gitee.com/ascend/msit/tree/master/msmodelslim) - 进入到msit/msmodelslim/example/Llama的目录`cd msit/msmodelslim/example/Llama`； - W8A8量化权重请使用以下指令生成 - 注意该量化方式仅支持在Atlas 800I A2服务器上运行 ``` # 设置CANN包的环境变量 source /usr/local/Ascend/ascend-toolkit/set_env.sh # 虚拟内存 export PYTORCH_NPU_ALLOC_CONF=expandable_segments:False # 运行量化转换脚本 python3 quant_llama.py --model_path {浮点权重路径} --save_directory {W8A8量化权重路径} --calib_file ../common/boolq.jsonl --device_type npu --disable_level L5 --anti_method m4 --act_method 3 ``` ## 纯模型推理 ### 对话测试 进入llm_model路径 ``` cd $ATB_SPEED_HOME_PATH ``` 执行对话测试 ``` torchrun --nproc_per_node 8 \ --master_port 20037 \ -m examples.run_pa \ --model_path ${权重路径} \ --input_texts 'What is deep learning?' \ --max_output_length 20 ``` ### 性能测试 进入ModelTest路径 ``` cd $ATB_SPEED_HOME_PATH/tests/modeltest/ ``` 运行测试脚本 ``` bash run.sh pa_[data_type] performance [case_pair] [batch_size] ([prefill_batch_size]) [model_name] ([is_chat_model]) (lora [lora_data_path]) [weight_dir] ([trust_remote_code]) [chip_num] ([parallel_params]) ([max_position_embedding/max_sequence_length]) ``` 具体执行batch=1, 输入长度256, 输出长度256用例的8卡并行性能测试命令如下， Atlas 800I A2: ``` bash run.sh pa_bf16 performance [[256,256]] 1 llama ${weight_path} 8 ``` 注：ModelTest为大模型的性能和精度提供测试功能。使用文档请参考`${ATB_SPEED_HOME_PATH}/tests/modeltest/README.md` ## 服务化推理 - 打开配置文件 ``` vim /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json ``` - 更改配置文件 ``` { ... "ServerConfig" : { ... "port" : 1025, #自定义 "managementPort" : 1026, #自定义 "metricsPort" : 1027, #自定义 ... "httpsEnabled" : false, ... }, "BackendConfig": { ... "npuDeviceIds" : [[0,1,2,3,4,5,6,7]], ... "ModelDeployConfig": { "ModelConfig" : [ { ... "modelName" : "llama", "modelWeightPath" : "/data/datasets/DeepSeek-R1-Distill-Llama-70B", "worldSize" : 8, ... } }, ... } } ``` - 拉起服务化 ``` cd /usr/local/Ascend/mindie/latest/mindie-service/bin ./mindieservice_daemon ``` - 新建窗口测试(VLLM接口) ``` curl 127.0.0.1:1025/generate -d '{ "prompt": "What is deep learning?", "max_tokens": 32, "stream": false, "do_sample":true, "temperature": 0.6, "top_p": 0.95, "model": "llama" }' ``` 注: 服务化推理的更多信息请参考MindIE Service用户指南 [了解详情](https://www.hiascend.com/document/detail/zh/mindie/100/mindieservice/servicedev/mindie_service0001.html) ## 常见问题 1. ImportError: cannot import name 'shard_checkpoint' from 'transformers.modeling_utils'. 降低transformers版本可解决。 ``` pip install transformers==4.46.3 pip install numpy==1.26.4 ``` ## 声明 - 本代码仓提到的数据集和模型仅作为示例，这些数据集和模型仅供您用于非商业目的，如您使用这些数据集和模型来完成示例，请您特别注意应遵守对应数据集和模型的License，如您因使用数据集或模型而产生侵权纠纷，华为不承担任何责任。 - 如您在使用本代码仓的过程中，发现任何问题（包括但不限于功能问题、合规问题），请在本代码仓提交issue，我们将及时审视并解答。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)