Запуск языковой модели DeepSeek-R1 в кластере GPU Yandex Compute Cloud

С помощью этой инструкции вы создадите кластер GPU из двух виртуальных машин и запустите на нем языковую модель DeepSeek-R1.

Чтобы запустить языковую модель в кластере:

1. Подготовьте облако к работе.
2. Создайте кластер GPU из двух ВМ.
3. Проверьте состояние кластера.
4. Запустите языковую модель.
5. Проверьте работу модели.

Если созданные ресурсы вам больше не нужны, удалите их.

Подготовьте облако к работеПодготовьте облако к работе

Зарегистрируйтесь в Yandex Cloud и создайте платежный аккаунт:

1. Перейдите в консоль управления, затем войдите в Yandex Cloud или зарегистрируйтесь.
2. На странице Yandex Cloud Billing убедитесь, что у вас подключен платежный аккаунт, и он находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его и привяжите к нему облако.

Если у вас есть активный платежный аккаунт, вы можете создать или выбрать каталог, в котором будет работать ваша инфраструктура, на странице облака.

Подробнее об облаках и каталогах.

Убедитесь, что в облаке достаточно квот на суммарное количество кластеров GPU, GPU на платформе Gen2, объем RAM, vCPU и объем SSD-дисков для создания ВМ. Для проверки используйте Yandex Cloud Quota Manager.

Необходимые платные ресурсыНеобходимые платные ресурсы

В стоимость поддержки инфраструктуры входит плата за вычислительные ресурсы ВМ и диски, а также кластер GPU (см. тарифы Yandex Compute Cloud).

Создайте кластер GPU из двух ВМСоздайте кластер GPU из двух ВМ

Создайте кластер GPUСоздайте кластер GPU

Добавьте ВМ в кластерДобавьте ВМ в кластер

1. Создайте первую виртуальную машину:

   Консоль управления

   1. На панели слева выберите Виртуальные машины и нажмите Создать виртуальную машину.

   2. В блоке Образ загрузочного диска выберите публичный образ Ubuntu 20.04 LTS Secure Boot CUDA 12.2.

   3. В поле Зона доступности выберите kz1-d.

   4. В блоке Диски и файловые хранилища выберите тип диска SSD и задайте размер 800 ГБ.

   5. В блоке Вычислительные ресурсы перейдите на вкладку Своя конфигурация и укажите:

      • Платформа — Gen2.
      • GPU — 8.
      • Кластер GPU — выберите ранее созданный кластер test-gpu-cluster.

   6. В блоке Доступ выберите SSH-ключ и укажите данные для доступа:

      • Логин: ubuntu.

      • В поле SSH-ключ выберите SSH-ключ, сохраненный в вашем профиле пользователя организации.

        Если в вашем профиле нет сохраненных SSH-ключей или вы хотите добавить новый ключ:

        1. Нажмите кнопку Добавить ключ.

        2. Задайте имя SSH-ключа.

        3. Выберите вариант:

           • Ввести вручную — вставьте содержимое открытого SSH-ключа. Пару SSH-ключей необходимо создать самостоятельно.

           • Загрузить из файла — загрузите открытую часть SSH-ключа. Пару SSH-ключей необходимо создать самостоятельно.

           • Сгенерировать ключ — автоматическое создание пары SSH-ключей.

             При добавлении сгенерированного SSH-ключа будет создан и загружен архив с парой ключей. В ОС на базе Linux или macOS распакуйте архив в папку /home/<имя_пользователя>/.ssh. В ОС Windows распакуйте архив в папку C:\Users\<имя_пользователя>/.ssh. Дополнительно вводить открытый ключ в консоли управления не требуется.

        4. Нажмите кнопку Добавить.

        SSH-ключ будет добавлен в ваш профиль пользователя организации. Если в организации отключена возможность добавления пользователями SSH-ключей в свои профили, добавленный открытый SSH-ключ будет сохранен только в профиле пользователя внутри создаваемого ресурса.

   7. Нажмите Создать ВМ.

2. Аналогичным образом создайте вторую ВМ с точно такими же параметрами.

Проверьте состояние кластера (опционально)Проверьте состояние кластера (опционально)

Вы можете дополнительно:

• Проверить физическое состояние кластера.
• Запустить параллельные задачи в кластере.
• Проверить пропускную способность InfiniBand.

Запустите языковую модельЗапустите языковую модель

1. Подключитесь по SSH к обеим виртуальным машинам.

2. Добавьте пользователя ubuntu в группу docker, выполнив на обеих ВМ:

   sudo groupadd docker
   sudo usermod -aG docker $USER
   newgrp docker
   

3. Скачайте образ SGLang на обе машины:

   docker pull lmsysorg/sglang:latest
   

4. На первой ВМ выполните команду запуска сервера (замените <IP-адрес_1> на внутренний IP первой машины):

   docker run --gpus all \
     --device=/dev/infiniband \
     --ulimit memlock=-1 \
     --ulimit stack=67108864 \
     --shm-size 32g \
     --network=host \
     -v ~/.cache/huggingface:/root/.cache/huggingface \
     --name sglang_multinode1 \
     -e GLOO_SOCKET_IFNAME=eth0 \
     -it --rm --ipc=host lmsysorg/sglang:latest \
     python3 -m sglang.launch_server \
     --model-path deepseek-ai/DeepSeek-R1 \
     --tp 16 \
     --nccl-init-addr <IP-адрес_1>:30000 \
     --nnodes 2 \
     --node-rank 0 \
     --trust-remote-code \
     --host 0.0.0.0 \
     --port 30001 \
     --disable-radix \
     --max-prefill-tokens 126000
   

5. На второй ВМ выполните аналогичную команду, изменив только параметр --node-rank на 1:

   docker run --gpus all \
     --device=/dev/infiniband \
     --ulimit memlock=-1 \
     --ulimit stack=67108864 \
     --shm-size 32g \
     --network=host \
     -v ~/.cache/huggingface:/root/.cache/huggingface \
     --name sglang_multinode2 \
     -e GLOO_SOCKET_IFNAME=eth0 \
     -it --rm --ipc=host lmsysorg/sglang:latest \
     python3 -m sglang.launch_server \
     --model-path deepseek-ai/DeepSeek-R1 \
     --tp 16 \
     --nccl-init-addr <IP-адрес_1>:30000 \
     --nnodes 2 \
     --node-rank 1 \
     --trust-remote-code \
     --host 0.0.0.0 \
     --port 30001 \
     --disable-radix \
     --max-prefill-tokens 126000
   

6. Дождитесь появления сообщения об успешном старте: The server is fired up and ready to roll!.

Проверьте работу языковой моделиПроверьте работу языковой модели

1. Откройте новую SSH-сессию к первой ВМ.

2. Установите библиотеку OpenAI:

   sudo apt update
   sudo apt install python3-pip -y
   pip install openai
   

3. Создайте скрипт test_model.py со следующим кодом:

   import openai
   
   client = openai.Client(
      base_url="http://127.0.0.1:30001/v1",
      api_key="EMPTY"
   )
   
   response = client.chat.completions.create(
      model="default",
      messages=[
         {"role": "system", "content": "You are a helpful AI assistant"},
         {"role": "user", "content": "List 3 countries and their capitals."},
      ],
      temperature=0.3,
      max_tokens=1024,
   )
   
   print(response.choices[0].message.content)
   

4. Запустите скрипт:

   python3 test_model.py
   

   Пример ожидаемого ответа:

   Here are three countries and their capitals:
   
   1. **France** - Paris
   2. **Japan** - Tokyo
   3. **Brazil** - Brasília
   
   Let me know if you'd like more examples! 😊
   

Как удалить созданные ресурсыКак удалить созданные ресурсы

Чтобы перестать платить за созданные ресурсы, в сервисе Compute Cloud:

1. Удалите созданные виртуальные машины.
2. Удалите созданный кластер GPU.

См. такжеСм. также

Вопросы про GPU.