如何在ZYNQ本地部署DeepSeek模型

以下文章来源于OpenFPGA，作者碎碎思

一个将最小号 DeepSeek 模型部署到 AMD Zynq UltraScale+ MPSoC 处理系统的项目。

1. 引言

如果你过去几年没注意人工智能的大趋势，那么你可能不知道大型语言模型(LLM)已在 AI 领域占据重要地位。

这些模型能够理解人类的文本查询，并生成文本回应。之所以称“大模型”，是因为它们通常在大量网页、书籍、对话、代码等数据上训练。

其本质并非“真正的智能”，而是深度学习模型——基于复杂数学运算（如线性代数、优化算法）实现的预测机制。

常见的做法是：若希望获得良好性能，通常依赖高性能的 GPU（例如 AMD Instinct GPU）进行推理。

但在某些应用场景，我们可能希望将 LLM 部署在 边缘设备（edge device） 本地执行。出于这个目的，本项目将在 ZUBoard（含 Arm Cortex-A53 内核的 Zynq UltraScale+ MPSoC）上运行一个较小的 DeepSeek 模型。

部署在边缘设备的优势包括：

隐私：模型在本地运行，无需上传数据到云端。

离线访问：不依赖宽带或云服务。

成本：节省托管云推理的费用。

但工程中必须在 隐私、成本、性能之间做权衡。

2. 什么是 DeepSeek

如果你还不熟悉 DeepSeek：这是一系列高性能的开放权重 LLM 和大规模多模态模型（LMM），用于推动开放 AI 研究。

这些模型从零开始训练，使用了数万亿 tokens 的多语言网页、学术文献、代码库及精编数据集。

架构上基于 Transformer，并加入了诸如：Grouped Query Attention (GQA)、SwiGLU 激活函数、多查询注意力层，以提升推理效率。

模型尺寸可选范围：1.5B、7B、13B 参数及以上，以便在资源使用与准确度之间平衡。

DeepSeek-VL（视觉-语言版本）扩展支持图像数据与文本监督，能够进行跨模态推理、视觉问答、图片-文本生成。

其还提供量化版本（4 bit、8 bit）以适配边缘设备与移动部署。

在多个基准上（如 MMLU、GSM8K、HumanEval、MMMU）表现出接近或达到最先进水平，同时优化 CPU/GPU 推理效率。

3. 在  Zynq UltraScale+ MPSoC 上开始

项目使用 PYNQ 平台作为 DeepSeek 安装基础。

步骤如下：

从 PYNQ 官网下载适用于 Avnet ZUBoard 的镜像，并将镜像烧录至 SD 卡。

将板上的启动开关设为 SD 卡启动，插入 SD 卡，并通过 USB UART 与以太网将 ZUBoard 连接至主机。

启动后使用浏览器访问 http://pynq:9090，密码通常为 xilinx。

打开终端，准备安装 DeepSeek 模型。

4. 准备工作

由于 ZUBoard 仅配备 1 GB 的 LPDDR4 内存，需在 SD 卡上建立足够的交换（swap）空间，以防止内存耗尽导致系统崩溃。

具体命令示例：

 

swapon --show  
sudo swapoff /var/swap  
sudo rm /var/swap  
sudo chmod 600 /var/swap  
sudo mkswap /var/swap  
sudo swapon /var/swap

 

执行完成后，通过 swapon --show 可确认现在有约 4 GB 的 swap 空间。

5. 安装 Ollama 与 DeepSeek

使用开源工具 Ollama 来运行 LLM，本项目使用 Ollama 框架。

安装命令示例：

 

curl -fsSL https://ollama.com/install.sh | sh

 

系统无 GPU，可忽略相应警告。

在安装成功后，下载 DeepSeek 1.5B 参数版本。示例命令：

 

mkdir deepseek  
export HOME=/home/xilinx/deepseek  
ollama pull deepseek-r1:1.5b

 

6. 测试

在 ZUBoard 上运行模型示例命令：

 

ollama run deepseek-r1:1.5b

 

系统将显示提示符，等待你的输入。

我做的第一件事就是询问它关于模型的问题。

模型信息如下图所示。

然后，像操作普通 LLM 一样与该模型进行交互。

可在另一个终端运行 top 命令来观察系统资源消耗。

需要注意：

参数较少（1.5B）意味着推理能力有限。

使用 swap 空间意味着性能会受到影响。

7. 总结

该项目展示了：即便没有 GPU，也能在边缘设备（如 ZYNQ）上部署 LLM。尽管性能受限，但具备“本地离线自动推理”的能力，在特定应用场景中极具价值。