在RK3588开发板上部署并测试DeepSeek模型

DeepSeek来袭！

最近，AI界新星DeepSeek（中文名：深度求索）迅速崛起，凭借低成本、高性能的AI模型火爆全网。其核心是一个强大的语言模型，能够理解自然语言并生成高质量文本，此外DeepSeek免费向全球开发者开放，加速了AI技术普及。

RK3588性能优势

RK3588作为一款高性能AI芯片，采用了8nm LP 制程，搭载八核处理器，四核GPU以及6TOPS算力的NPU，依靠强大的性能和低功耗特性，非常适合边缘计算场景。>>>>【新品发布】迅为RK3588人工智能AI主板

能否在RK3588部署Deepseek呢

在RK3588上部署Deepseek有两种方法,分别是使用Ollama工具部署和使用瑞芯微官方的 RKLLM量化部署。下面分别对这两种部署方式进行介绍。

01-使用Ollama工具部署

Ollama 是一个开源的大模型服务工具，可以支持最新的deepseek模型，以及Llama 3，Phi 3，Mistral，Gemma 和其他多种模型，在安装Ollama工具之后，使用以下命令即可一键部署15亿参数的deepseek-r1模型，运行之后如下图所示：

ollama run deepseek-r1:1.5b

接下来就可以向该模型进行提问了，如下图所示：

这里只是运行的15亿参数大小的模型，所以回复的可能并不是很准确，如果想要更高的准确率可以切换为参数更大的模型，但参数变大之后相应的回复速度也会变慢，并且使用Ollama工具部署的推理模型调用的是CPU进行的运算，如下图所示：

可以看到在回复的过程中CPU的负载达到了百分之百，并没有调用NPU进行加速，那要如何将RK3588强悍的NPU调用起来呢，这就要看第二种方法使用瑞芯微官方的RKLLM进行量化部署了。

02-使用RKLLM量化部署

RKLLM-Toolkit 是为用户提供在计算机上进行大语言模型的量化、转换的开发套件。通过该工具提供的Python接口可以便捷地完成以下功能：

1.模型转换：支持部分格式的大语言模型转换为RKLLM 模型转换后的 RKLLM 模型能够在 Rockchip NPU 平台上加载使用
2.量化功能：支持将浮点模型量化为定点模型

DeepSeek转换完成的RKLLM模型如下图所示：

然后将其传输到开发板上，使用对应的可执行文件运行即可，运行之后如下图所示：

接下来向该模型提出问题即可，回复内容如下所示：

在回复的过程中查看CPU和NPU的利用率，可以看到CPU的占用率已经降了下来，并且调用了NPU的3个核心进行加速推理：

至此，关于DeepSeek在RK3588上的部署推理就测试完成了。