CentOS 7 下通过 Anaconda3 运行llm大模型、deepseek大模型的完整指南

A1 CentOS 7 下通过 Anaconda3 运行大模型的完整指南

综合最佳实践和关键注意事项：

---

一、环境准备

1. 安装 Anaconda3

   • 推荐从清华镜像源下载最新版（如 Anaconda3-2024.10-Linux-x86_64.sh），避免官网下载速度慢的问题。
   • 安装时选择自定义路径（如 /opt/anaconda3），避免系统盘空间不足。

2. 验证安装

   conda --version  # 确认版本
   nvidia-smi       # 检查GPU驱动和CUDA版本（需≥11.8）
   

---

二、创建专用环境

1. 新建 Python 环境

   conda create --name llm_env python=3.10 -y  # 推荐Python 3.10兼容性最佳
   conda activate llm_env
   

2. 安装依赖库

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  # 匹配CUDA 11.8
   pip install transformers accelerate vllm  # 基础大模型库
   

---

三、模型部署与运行

1. 下载模型权重

   • 从Hugging Face或ModelScope获取模型（如 deepseek-ai/DeepSeek-V3）：

     git lfs install
     git clone https://huggingface.co/deepseek-ai/DeepSeek-V3
     

2. 启动推理服务

   python -m vllm.entrypoints.api_server --model /path/to/DeepSeek-V3 --tensor-parallel-size 2  # 多GPU并行
   

   • 若显存不足，添加 --quantization awq 启用4-bit量化。

---

四、优化配置

1. 镜像加速
   修改 ~/.condarc 和 pip.conf 使用国内源（清华/阿里云），显著提升下载速度。

2. 资源监控

   watch -n 1 nvidia-smi  # 实时监控GPU显存占用
   

---

常见问题解决

• CUDA版本冲突：通过 conda install cuda -c nvidia 统一环境内CUDA版本。
• 显存不足：换用7B/1.5B等小参数量化模型，或使用云服务（如AWS/Aliyun）。

---

注：完整代码示例和详细参数可参考Meta Llama3部署指南。

B1 CentOS 7 下通过 Anaconda3 使用 CPU 运行 DeepSeek 大模型的完整方案

综合性能优化与部署实践：

---

一、环境配置

1. 创建专用 Conda 环境

   conda create -n deepseek_cpu python=3.10 -y  # Python 3.10 兼容性最佳
   conda activate deepseek_cpu
   

2. 安装 CPU 版 PyTorch

   conda install pytorch torchvision torchaudio cpuonly -c pytorch  # 官方 CPU 版本
   

3. 安装 Hugging Face 工具链

   pip install transformers accelerate sentencepiece  # 基础推理库
   pip install bitsandbytes  # 4-bit 量化支持（降低显存需求）
   

---

二、模型部署

1. 下载模型权重

   • 从 Hugging Face 获取 DeepSeek 模型（如 deepseek-ai/deepseek-llm-7b）：

     git lfs install
     git clone https://huggingface.co/deepseek-ai/deepseek-llm-7b
     

2. 量化加载（可选）
   通过 4-bit 量化减少内存占用：

   from transformers import AutoModelForCausalLM
   model = AutoModelForCausalLM.from_pretrained("deepseek-llm-7b", device_map="cpu", load_in_4bit=True)
   

---

三、性能优化

1. 内存管理

   • 设置环境变量限制内存占用：

     export OMP_NUM_THREADS=4  # 控制 OpenMP 线程数
     export MKL_NUM_THREADS=4  # 优化 Intel MKL 库并行
     

2. 批处理与缓存

   from transformers import AutoTokenizer
   tokenizer = AutoTokenizer.from_pretrained("deepseek-llm-7b")
   inputs = tokenizer("你好，DeepSeek！", return_tensors="pt").to("cpu")
   outputs = model.generate(**inputs, max_new_tokens=50, do_sample=True)
   

---

四、验证与监控

1. 资源占用检查

   top -p $(pgrep -f python)  # 监控 CPU 和内存使用
   

2. 基准测试
   使用 time 命令测量推理延迟：

   time python inference.py  # 示例脚本路径
   

---

注意事项

• 模型选择：7B/1.5B 等小参数模型更适合 CPU 运行，16B+ 需至少 64GB 内存。
• 量化权衡：4-bit 量化会降低约 5% 精度，但内存需求减少 50%。
• 替代方案：若性能不足，可考虑 Ollama 容器化部署（支持 DeepSeek 量化版本）。

完整代码示例参考 Hugging Face 文档。