K60 Pro官方停產(chǎn) 第三方瞬間漲價
雖然沒有官方宣布，但Redmi的一些高管也已經(jīng)透露了，Redmi K60 Pro已經(jīng)停產(chǎn)且不會補貨，這一切都是為了即將到來的K60 Ultra鋪路，屬于廠家的正常操作。但有意思的是該機在停產(chǎn)之后
快科技2月9日消息，DeepSeek火得一塌糊涂，國內(nèi)外的相關企業(yè)都在積極適配支持，而對于AI大模型來說，使用GPU運行無疑是高效的，比如AMD，無論是Instinct加速卡還是Radeon游戲卡，都已經(jīng)適配到位。
你只需要任意一塊AMD RX 7000系列顯卡，就可以在本地體驗DeepSeek。
AMD Radeon游戲卡本地部署DeepSeek非常簡單，只需打開AMD官網(wǎng)(中英文均可)，搜索“15.1.1”，進入第一個結果，下載AMD Adrenalin 25.1.1測試版驅(qū)動，安裝并重啟。
直接下載地址：
https://www.amd.com/zh-cn/resources/support-articles/release-notes/RN-RAD-WIN-25-1-1.html
然后打開LM Studio官網(wǎng)網(wǎng)站的銳龍專欄(https://lmstudio.ai/ryzenai)，并下載LM Studio for Ryzen AI安裝包，安裝并運行。
啟動之后，點擊右下角設置(可選中文語言)，找到并開啟“Use LM Studio's Hugging Face”這個選項。
回到主界面，在左側(cè)菜單欄點擊搜索圖標，輸入“DeepSeek R1”，就可以看到已經(jīng)訓練好的各種DeepSeek模型。
至于如何選擇，可以參考如下的AMD官方推薦列表，比如旗艦級的RX 7900 XTX可以支持到32B參數(shù)，主流的RX 7600則僅支持8B模型。
順帶一提，新的中國特供版顯卡RX 7650 GRE也同樣支持本地部署DeepSeek，只待正式發(fā)布。
然后下載合適的模型，在主界面上方選擇已下載的模型，然后調(diào)高“GPU Offload”的數(shù)值，不同選項的具體含義可自行搜索或者直接詢問DeepSeek。
模型加載完畢后，就可以盡情地在本地體驗DeepSeek了。
與此同時，AMD Instinct GPU加速卡也已經(jīng)部署集成DeepSeek V3模型，并優(yōu)化了SGLang性能，支持完整的671B參數(shù)，開發(fā)者可以借助AMD ROCm平臺快速、高效地開發(fā)AI應用。
1、啟動Docker容器
docker run -it --ipc=host --cap-add=SYS_PTRACE --network=host /
--device=/dev/kfd --device=/dev/dri --security-opt seccomp=unconfined /
--group-add video --privileged -w /workspace lmsysorg/sglang:v0.4.2.post3-rocm630
2、開始使用
(1)、使用CLI登陸進入Hugging Face。
huggingface-cli login
(2)、啟動SGLang Server，在本地部署DeepSeekV3 FP8模型。
python3 -m sglang.launch_server --model-path deepseek-ai/DeepSeek-V3 --port 30000 --tp 8 --trust-remote-code
(3)、服務器啟動后，打開新的終端，發(fā)送請求。
curl http://localhost:30000/generate /
-H "Content-Type: application/json" /
-d '{
"text": "Once upon a time,",
"sampling_params": {
"max_new_tokens": 16,
"temperature": 0
}
}'
3、基準測試
export HSA_NO_SCRATCH_RECLAIM=1
python3 -m sglang.bench_one_batch --batch-size 32 --input 128 --output 32 --model deepseek-ai/DeepSeek-V3 --tp 8 --trust-remote-code
python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-V3 --tp 8 --trust-remote-code
python3 benchmark/gsm8k/bench_sglang.py --num-questions 2000 --parallel 2000 --num-shots 8
Accuracy: 0.952
Invalid: 0.000
另外，如果需要BF16精度，可以自行轉(zhuǎn)換：
cd inference
python fp8_cast_bf16.py --input-fp8-hf-path /path/to/fp8_weights --output-bf16-hf-path /path/to/bf16_weights
本文鏈接：http://www.tebozhan.com/showinfo-24-129339-0.htmlAMD顯卡可以本地玩DeepSeek了！附簡單部署教程
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號