当前位置：首页 > wzjs >正文

主题资源网站建设模块五作业公众号怎么制作文章

wzjs 2025/9/1 9:35:41

主题资源网站建设模块五作业,公众号怎么制作文章,抖音特效开放平台官网,郑州营销网站参考文章：昇腾社区Qwen-32B 一直没有环境部署Qwen3，今天终于可以部署了！ Qwen3-32B（目前最强的32B大语言模型） 简介 Qwen3 是 Qwen 系列中最新一代的大型语言模型，提供了密集模型和混合专家&#xff…

参考文章：昇腾社区Qwen-32B

一直没有环境部署Qwen3，今天终于可以部署了！

Qwen3-32B（目前最强的32B大语言模型）

简介

Qwen3 是 Qwen 系列中最新一代的大型语言模型，提供了 密集模型 和 混合专家（MoE）模型 的全面套件。基于广泛的训练，Qwen3 在推理、指令遵循、代理功能和多语言支持方面取得了显著进展，主要具有以下功能：

思维模式（用于复杂逻辑推理、数学和编码）与 非思维模式（用于高效通用对话）在单个模型内无缝切换，确保跨各种场景的最佳性能。
增强的推理能力，在数学、代码生成和常识逻辑推理方面超过了之前的 **QwQ（思维模式）**和 Qwen2.5（非思维模式）。
经过人类偏好调整，擅长创意写作、角色扮演、多轮对话和指令跟随，提供更自然、更吸引人、更沉浸式的对话体验。
在代理能力方面表现出色，能够在思考模式和非思考模式下与外部工具精确集成，在基于代理的复杂任务中实现开源模型中的领先性能。
支持 100 多种语言和方言，具备强大多语言教学能力和翻译能力。

权重下载

请前往权重下载页面获取对应模型的权重数据：

模型名称：下载地址：Qwen3-32B（魔搭社区）

在这里插入图片描述

加载镜像

前往昇腾社区/开发资源下载适配本模型的镜像包，要申请才可以有镜像，但是如果不是合作伙伴基本不太可能得这个镜像：

mindie:2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64.tar.gz

加载镜像命令如下：

docker load -i mindie_2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64.tar.gz

在这里插入图片描述

加载完成后，请使用以下命令确认镜像是否加载成功：

docker images

约束条件

当前支持 TP=4/8 推理。
/usr/local/Ascend/mindie/latest/mindie-service/conf/config.json 的权限默认为 640，请勿更改该文件权限。

新建容器

目前提供的 MindIE 镜像已预置了 Qwen3-32B 模型推理脚本，无需再额外下载魔乐仓库承载的模型适配代码，可直接新建容器。

启动命令（root）

使用 root 用户镜像（例如从 Ascend Hub 获取）并可以使用特权容器：

docker run -it --privileged -u root --net=host --ipc=host \--name qwen3-32b \--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 \  ##八个芯片-v /usr/local/Ascend/driver:/usr/local/Ascend/driver:ro \  -v /usr/local/sbin:/usr/local/sbin:ro \-v /root/:/root/ \   ##这个是模型的路径
mindie:2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64  /bin/bash

⚠️ 注意事项：

--user：如果您的环境中 HDK 是通过普通用户安装（如默认的 HwHiAiUser），请设置对应的用户组，例如用户组 ID 为 1001，则使用 --user mindieuser:1001；镜像中默认使用的是用户组 1000。
设置容器名称 --name 与镜像名称，例如 800I A2 服务器使用 mindie:2.0.T17.B010-800I-A2-py3.11-openeuler24.03-lts-aarch64。
根据实际需求设定使用的卡号 --device。
设定权重挂载路径 -v /path-to-weights:/path-to-weights:ro，注意权限设置：

chown -R 1000:1000 /path-to-weights     ##模型权重路径
chmod -R 750 /path-to-weights     ##模型权重路径

进入容器

docker exec -it ${容器名称} bash

服务化推理

打开配置文件

vim /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json

更改配置文件内容示例：

{..."ServerConfig": {..."port": 1025,"managementPort": 1041,"metricsPort": 1042,"httpsEnabled": false  ##1.记得改这个},"BackendConfig": {..."npuDeviceIds": [[0,1，2,3,4,5,6,7]],#2.改这个，我是用八个芯片一起跑..."ModelDeployConfig": {"truncation": false,"ModelConfig": [{"modelName": "qwen3","modelWeightPath": "/data/datasets/Qwen3-32B", ##4.模型权重路径哈，记得改"worldSize": 8 #3.这个得改成8，因为调用8芯片}]}}
}

在这里插入图片描述

拉起服务化

cd /usr/local/Ascend/mindie/latest/mindie-service/bin
./mindieservice_daemon

拉起服务化推理出现这个问题：
在这里插入图片描述

在这里插入图片描述

解决啦，缺少一些依赖，感谢昇腾社区！
在这里插入图片描述

新建窗口进行测试（使用 OpenAI 接口）：

curl -X POST 127.0.0.1:1025/v1/chat/completions \
-d '{
"messages": [
{"role": "system", "content": "you are a helpful assistant."},
{"role": "user", "content": "How many r are in the word \"strawberry\""}
],
"max_tokens": 256,
"stream": false,
"do_sample": true,
"temperature": 0.6,
"top_p": 0.95,
"top_k": 20,
"model": "qwen3-32b"
}'