本文详细介绍了如何使用vLLM推理框架部署DeepSeek大模型，包括设置CUDA环境、指定模型路径和端口等关键步骤。同时，文章还展示了如何通过OpenAI库进行模型推理，并支持流式和非流式输出，帮助程序员快速掌握大模型部署与使用的核心技巧。

---

今天给大家介绍一下基于vLLM进行部署DeepSeek大模型的全流程，从大模型部署到模型推理一篇讲透。

下面介绍使用vLLM推理框架进行部署DeepSeek大模型，并进行推理的方案。

一、大模型部署

目前在实际工程项目中，常用的推理框架就是使用vLLM，这个框架具有使用简单、推理速度快，吞吐量高等优点。它的核心是使用PagedAttention算法，这是一种比较新的注意力算法，允许在不连续的内存空间中存储连续的Key和Value。

下面就拿DeepSeek模型进行举例，介绍如何基于vLLM框架进行部署的。

export CUDA_VISIBLE_DEVICES=1  # 指定用哪块显卡及显卡数量
log_dir="log"  # 日志目录
port=9099  # 端口号
model_dir="DeepSeek-R1-Distill-Qwen-7B"  # 大模型路径
model_name="DeepSeek"  # 自定义的模型名字
nohup python3 -m vllm.entrypoints.openai.api_server \
--model $model_dir \  # 模型目录
--trust-remote-code \  # 允许执行模型仓库中的自定义代码
--port $port \  # API服务端口
--max-model-len 8192 \  # 模型最大可处理的总Token长度，输入（prompt）+ 输出 ≤ 8192
--tensor-parallel-size 1 \  # 指定张量并行GPU数量
--disable-log-stats \  # 关闭vLLM内部统计日志（减少输出，提升稳定性）
--max-num-seqs 8 \  # 控制并行推理的最大并发序列数
--served-model-name $model_name \  # 对外暴露的模型名字
--reasoning-parser deepseek_r1 \  # 让vLLM自动解析DeepSeek输出中的思考链，自动将其填充到OpenAI格式的reasoning_content字段。
--gpu-memory-utilization 0.9 > $log_dir/deepseek_vllm_app.log 2>&1 &  # 显存利用率的上限

执行上述命令就可以把大模型服务部署起来，然后就可以进行使用。

二、大模型推理

在实际推理的时候，通常用openai格式的方式进行调用，该调用方式需要依赖openai库，在自己的环境中安装上就可以使用。

大模型的输出形式一般有两种，流式和非流式输出，这个需要根据具体业务需求进行调整，我把这两种输出方式都集成在一个函数中了，可以根据需求进行使用。

from oepenai import OpenAI
ds_api_url = "http://ip:9099/v1"  # 请求地址
ds_api_key="EMPTY"  # 请求key
ds_model_name="DeepSeek"  # 自定义的模型名字
client = OpenAI(api_key=ds_api_key, base_url=ds_api_url)
def openai_infer(content, use_stream=True):
messages = [
{
"role": "system",
"content": "你是一个有帮助的助手......",
},
{
"role": "user",
"content": content
}
]
response = client.chat.completions.create(
model=ds_model_name,
messages=messages,
top_p=0.9,
temperature=1.0,
frequency_penalty=0.2,
presence_penalty=0.2,
max_tokens=4096,
stream=use_stream)
if response:
reasoning_text = ""
final_text = ""
if use_stream:
for chunk in response:
delta = chunk.choices[0].delta
# 输出思考内容
if hasattr(delta, "reasoning_content") and delta.reasoning_content:
print(delta.reasoning_content, end="", flush=True)
reasoning_text += delta.reasoning_content
# 输出最终回答内容
if hasattr(delta, "content") and delta.content:
# 如果检测到开始输出回答，可以换行区分
if len(final_text) == 0:
print("\n\n【最终回答】")
print(delta.content, end="", flush=True)
final_text +=  delta.content
else:
choice = response.choices[0].message
reasoning_text = getattr(choice, "reasoning_content", "")
final_text = getattr(choice, "content", "")
print("【思考内容】", reasoning_text)
print("【最终回答】", final_text)

三、推理结果

在实际业务中我们可以与大模型进行对话进行问答。

​最后

我在一线科技企业深耕十二载，见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包：

• ✅AI大模型学习路线图
• ✅Agent行业报告
• ✅100集大模型视频教程
• ✅大模型书籍PDF
• ✅DeepSeek教程
• ✅AI产品经理入门资料

完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
​​

为什么说现在普通人就业/升职加薪的首选是AI大模型？

人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200% ，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。

AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。

​​

资料包有什么？

①从入门到精通的全套视频教程⑤⑥

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

​​​​

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

​