ATK-DLRK3588开发板deepseek-r1-1.5b/7b部署指南
最近deepseek爆火，当DeepSeek这样的国产大模型部署在RK3588上时，由于RK3588的强大性能支持，同样的模型规模可以得到更强大的推理能力、实时性能以及边缘计算能力。在本篇文章中，我们将一口气教大家从下载模型、转换模型到最终部署deepseek-r1-1.5b和deepseek-r1-7b的模型到正点原子的ATK-DLRK3588上面测试。
1、安装anaconda软件环境
第1小节至第4小节讲解从安装conda环境到转换模型，如果需要想要直接在ATK-DLRK3588开发板体验模型的话请直接移步第5小节-deepseek部署章节。
安装anaconda环境请参考正点原子ATK-DLRK3588资料盘的开发板光盘A盘-基础资料\10、用户手册\01、测试文档目录下**《03【正点原子】ATK-DLRK3588_AI例程测试手册V1.1》**的1.3章节，如下图。
2、安装rkllm转换环境
2.1、新建conda环境
在ubuntu终端里面打开终端，执行以下命令新建conda环境
conda create -n RKLLM-Toolkit python=3.8
2.2、安装rkllm_toolkit工具
首先解压rkllm压缩包，这里在家目录下新建了一个software目录下，并在software目录下面新建了个rkllm目录，将rknn-llm-release-v1.1.4压缩包解压到当前文件夹下，然后在打开终端，执行以下命令进入RKLLM-Toolkit的conda环境。
ubuntu终端下运行
conda activate RKLLM-Toolkit
cd rkllm-toolkit/packages
pip3 install rkllm_toolkit-1.1.4-cp38-cp38-linux_x86_64.whl
3、下载deepseek模型
3.1、安装huggingface-cli工具
ubuntu终端中conda环境下运行
pip3 install huggingface-cli -i <https://mirrors.huaweicloud.com/repository/pypi/simple>
3.2、下载deepseek模型
可以配置加速节点，下载deepseek的huggingface格式模型（有时候也会失效，建议直接官网直接点击下载键来下载模型会更快），网盘中也有提供下载好的原始huggingface格式模型。
在~/software/rkllm/rknn-llm-release-v1.1.4/rkllm-toolkit/examples/下新建一个huggingface文件夹：
mkdir ~/software/rkllm/rknn-llm-release-v1.1.4/rkllm-toolkit/examples/huggingface -p
然后执行如下命令：
export HF_ENDPOINT=[https://hf-mirror.com](https://hf-mirror.com/)
cd ~/software/rkllm/rknn-llm-release-v1.1.4/rkllm-toolkit/examples/huggingface/
再新建一个文件夹deepseek-r1-1.5b，进入该文件夹下：
mkdir deepseek-r1-1.5b && cd deepseek-r1-1.5b
再执行命令并下载DeepSeek-R1-Distill-Qwen-1.5B模型到对应文件夹中：
执行以下命令下载DeepSeek-R1-Distill-Qwen-1.5B模型
huggingface-cli download deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B --local-dir . --local-dir-use-symlinks False
我们已经提供了下载好的deepseek-r1 1.5b/7b原始huggingface模型在网盘，想要自己转换的可以自行下载转换模型。
4、deepseek转换rkllm模型
4.1、转换deepseek_1.5b版本的脚本
进入到前面解压的rkllm-toolkit工具里的rkllm-toolkit/examples目录，将开发板光盘C盘-大模型资料\1、程序源码\3、导出rkllm脚本里面的三个文件均放在rkllm-toolkit/examples目录下，并在在当前目录打开终端并进入conda环境。
export_deepseek_1.5b_rkllm.py
from rkllm.api import RKLLM
import os
#os.environ['CUDA_VISIBLE_DEVICES']='0'
modelpath = './huggingface/deepseek-r1-1.5b'
llm = RKLLM()
# Load model
# Use 'export CUDA_VISIBLE_DEVICES=0' to specify GPU device
# options ['cpu', 'cuda']
ret = llm.load_huggingface(model=modelpath, model_lora = None, device='cpu')
if ret != 0:
print('Load model failed!')
exit(ret)
# Build model
dataset = "./data_quant.json"
qparams = None
ret = llm.build(do_quantization=True, optimization_level=1, quantized_dtype='w8a8',
quantized_algorithm='normal', target_platform='rk3588', num_npu_core=3,
extra_qparams=qparams,dataset=dataset)
if ret != 0:
print('Build model failed!')
exit(ret)
# Export rkllm model
ret = llm.export_rkllm(f"./deepseek-1.5b-w8a8-rk3588.rkllm")
if ret != 0:
print('Export model failed!')
exit(ret)
1、在命令行中执行以下命令，进入conda环境
conda activate RKLLM-Toolkit
2、转换deepseek-r1-1.5b模型时，执行以下python脚本进行转换模型。
python3 export_deepseek_1.5b_rkllm.py
当出现INFO: Model has been saved to ./deepseek-1.5b-w8a8-rk3588.rkllm!，即转换模型成功。
4.2、转换deepseek_7b版本的脚本
export_deepseek_7b_rkllm.py
from rkllm.api import RKLLM
import os
#os.environ['CUDA_VISIBLE_DEVICES']='0'
modelpath = './huggingface/deepseek-r1-7b'
llm = RKLLM()
# Load model
# Use 'export CUDA_VISIBLE_DEVICES=0' to specify GPU device
# options ['cpu', 'cuda']
ret = llm.load_huggingface(model=modelpath, model_lora = None, device='cpu')
if ret != 0:
print('Load model failed!')
exit(ret)
# Build model
dataset = "./data_quant.json"
qparams = None
ret = llm.build(do_quantization=True, optimization_level=1, quantized_dtype='w8a8',
quantized_algorithm='normal', target_platform='rk3588', num_npu_core=3,
extra_qparams=qparams,dataset=dataset)
if ret != 0:
print('Build model failed!')
exit(ret)
# Export rkllm model
ret = llm.export_rkllm(f"./deepseek-7b-w8a8-rk3588.rkllm")
if ret != 0:
print('Export model failed!')
exit(ret)
1、转换deepseek-r1-7b模型时，执行以下python脚本进行转换模型。
python3 export_deepseek_7b_rkllm.py
将模型拷贝到部署模型目录下，编译部署程序。
注意！！！转换deepseek-r1-7b及以上规模（包含7b，8b，14b甚至32b等）rkllm模型对PC设备要求比较高，如果想要自己另外转换更大规模的rkllm模型，请确保虚拟机的运行内存充足，如果内存不足，可以通过使用存储来配置交换内存来作为临时内存使用。
一般我们的电脑的运行内存转换huggingface模型为rkllm模型时都不够用，在转换时很容易出现无法转换直接杀死进程的情况，转换前可以创建交换分区，使用硬盘的空间作为运存，在ubuntu下创建10g的交换分区（可根据实际内存创建更大的swap分区），执行以下命令进行创建。
创建10g的交换分区
sudo dd if=/dev/zero of=/tmp/swapfile bs=1M count=10240
使用chmod权限
sudo chmod 0600 /tmp/swapfile
创建swap分区文件系统
sudo mkswap /tmp/swapfile
开启swap分区
sudo swapon /tmp/swapfile
查看分区情况
swapon -s
5、编译deepseek部署程序
5.1、安装编译器
将r8的编译器拷贝到ubuntu中，编译器在资料盘开发板光盘A盘-基础资料\05、开发工具\03、交叉编译工具目录下的atk-dlrk3588-toolchain-aarch64-buildroot-linux-gnu-x86_64_5_10_r8_20250120-v1.1.run。
在当前目录打开终端，执行以下命令安装。
安装编译器
chmod a+x atk-dlrk3588-toolchain-aarch64-buildroot-linux-gnu-x86_64_5_10_r8_20250120-v1.1.run
./atk-dlrk3588-toolchain-aarch64-buildroot-linux-gnu-x86_64_5_10_r8_20250120-v1.1.run
当提示“Enter target directory for toolchain (default: /opt/atk-dlrk3588-toolchain):”时， 表示是否选择默认安装在/opt/atk-dlrk3588-toolchain 目录下，建议直接选择默认安装路径（注意！！！！这里会把原先安装的编译器给覆盖，所以原先的编译器还有用处请修改路径， 或者下次需要用到再重新安装原先的编译器）， 直接按下回车键即可。当提示“You are ab out to install the toolchain to "/opt/atk-dlrk3588-toolchain". Proceed[Y/n]?”时，直接按下 “Y”回车即可。输入 ubuntu 密码回车后，当弹出提示“$. source /opt/atk-dlrk3588-toolchain/environment-setup”时，表示已经安装完成。
5.2、编译部署程序
将提供的deepseek例程压缩包解压，位置在开发板光盘C盘-大模型资料\1、程序源码\2、板端部署程序里的atk_deepseek_demo.zip，解压后将资料盘中的rkllm文件或者转换好的文件拷贝到rkllm_model目录中，打开终端，执行以下命令执行编译部署程序的脚本。
./build-linux.sh
等待编译完成后，需要拷贝rkllm和libgomp库到开发板的usr/lib目录下，可通过adb或者scp工具传输到rk3588开发板上。
#传输一些库到开发板中
adb push lib/libgomp/libgomp.so /usr/lib/libgomp.so.1
adb push lib/librkllm_api/librkllmrt /usr/lib
#将编译好的可执行文件和模型传输到开发板中
adb push install/atk_deepseek_rkllm_demo/ /
6、运行测试
6.1、烧录R8版本镜像
正点原子ATK-DLRK3588开发板准备，请参考资料盘开发板光盘A盘-基础资料\10、用户手册\03、辅助文档\31【正点原子】ATK-DLRK3588出厂镜像烧录指导V1.1.pdf烧录r8系统镜像。
6.2、运行测试
运行测试时建议连接网线，开发板使用ssh登录，否则会不断打印npu切换iommu信息
此处请注意，4+32g版本rk3588目前仅支持deepseek-R1-1.5b版本运行，7b版本在8+64g的rk3588需要创建swap分区才能运行，创建方法如下。
8g DDR版本需要创建swap分区
执行以下命令会比较慢
dd if=/dev/zero of=/userdata/swapfile bs=1M count=10240
使用chmod权限
chmod 0600 /userdata/swapfile
创建swap分区文件系统
mkswap /userdata/swapfile
开启swap分区
swapon /userdata/swapfile
查看分区情况
free -mh
所有内存版本rk3588均使用以下命令进行部署测试。
运行程序
打开RK3588板端shell(建议ssh登录)，执行以下命令进行测试。
cd /atk_deepseek_rkllm_demo
运行deepseek-R1-1.5b程序
./atk_deepseek_demo rkllm_model/deepseek-1.5b-w8a8-rk3588.rkllm 5000 5000
运行deepseek-R1-7b程序
./atk_deepseek_demo rkllm_model/deepseek-7b-w8a8-rk3588.rkllm 5000 5000
等待加载完毕后，可以在里面进行提问，或者输入预设序号进行提问，deepseek-r1-1.5b和deepseek-r1-7b测试结果分别如下。
root@ATK-DLRK3588:/atk_deepseek_rkllm_demo# ./atk_deepseek_demo rkllm_model/deepseek-1.5b-w8a8-rk3588.rkllm 5000 5000
rkllm init start
W rkllm: Warning: Your rknpu driver version is too low, please upgrade to 0.9.7.
I rkllm: rkllm-runtime version: 1.1.4, rknpu driver version: 0.9.6, platform: RK3588
rkllm init success
**********************可输入以下问题对应序号获取回答/或自定义输入********************
[0] 现有一笼子，里面有鸡和兔子若干只，数一数，共有头14个，腿38条，求鸡和兔子各有多少只？
[1] 有28位小朋友排成一行,从左边开始数第10位是学豆,从右边开始数他是第几位?
*************************************************************************
user: 请问你能做些什么
robot: <think>
</think>
您好！我是由中国的深度求索（DeepSeek）公司开发的智能助手DeepSeek-R1。有关模型和产品的详细内容请参考官方文档。
user: 能写一首关于春天的诗吗
robot: <think>
嗯，用户想要一首关于春天的诗。首先，我得考虑春天的特点，比如花开、绿草、鸟鸣这些元素。然后，可能需要一些意象来表达春天的美好和变化。
也许可以从自然景象入手，比如柳树在春风中摇曳，这样的画面很生动。接着，可以加入一些动态的元素，比如蝴蝶在花间翩翩起舞，这样能增加诗的活力。
再想想季节的变化，春天来了，万物复苏，所以可以用“春”字来表达整体的主题。同时，要让诗句流畅自然，避免生硬的连接。
可能还需要一些比喻或者拟人化的手法，让文字更有画面感。比如把花朵比作小精灵，或者把蝴蝶比作舞者，这样能让读者更容易想象出春天的美好场景。
最后，确保整首诗有节奏感和韵律，这样读起来更顺口，也更有感染力。可能需要调整句子的长度和用词，让每一句都能传达出春天的不同方面。
总的来说，这首诗应该包含自然景象、动态元素以及季节的变化，通过生动的意象和比喻来展现春天的美好和生机。
</think>
## 《春日》
柳絮飘飘
在春风中摇曳
蝴蝶翩翩
在花间起舞
花开得正盛
绿草如茵
小精灵们
正朝向春天奔走
我看见
春天的影子
正在阳光下
慢慢升起
deepseek-r1-7b测试结果
root@ATK-DLRK3588:/atk_deepseek_rkllm_demo# ./atk_deepseek_demo rkllm_model/deepseek-7b-w8a8-rk3588.rkllm 5000 5000
rkllm init start
W rkllm: Warning: Your rknpu driver version is too low, please upgrade to 0.9.7.
I rkllm: rkllm-runtime version: 1.1.4, rknpu driver version: 0.9.6, platform: RK3588
rkllm init success
**********************可输入以下问题对应序号获取回答/或自定义输入********************
[0] 现有一笼子，里面有鸡和兔子若干只，数一数，共有头14个，腿38条，求鸡和兔子各有多少只？
[1] 有28位小朋友排成一行,从左边开始数第10位是学豆,从右边开始数他是第几位?
*************************************************************************
user: 0
现有一笼子，里面有鸡和兔子若干只，数一数，共有头14个，腿38条，求鸡和兔子各有多少只？
robot: <think>
设鸡的数量为x，兔子的数量为y。
根据题意，头的总数是14，可以得到方程：
x + y = 14
腿的总数是38，鸡有2条腿，兔子有4条腿，因此可以得到第二个方程：
2x + 4y = 38
将第一个方程解为x = 14 - y，并代入第二个方程中：
2(14 - y) + 4y = 38
28 - 2y + 4y = 38
2y = 10
y = 5
然后，将y的值代入x = 14 - y中：
x = 14 - 5 = 9
因此，鸡有9只，兔子有5只。
</think>
设鸡的数量为 \( x \)，兔子的数量为 \( y \)。
根据题意，可以列出以下两个方程：
\[
\begin{cases}
x + y = 14 \\
2x + 4y = 38
\end{cases}
\]
**步骤如下：**
1. **解第一个方程求 \( x \)：**
\[
x = 14 - y
\]
2. **将 \( x = 14 - y \) 代入第二个方程：**
\[
2(14 - y) + 4y = 38 \\
28 - 2y + 4y = 38 \\
2y = 10 \\
y = 5
\]
3. **将 \( y = 5 \) 代入 \( x = 14 - y \)：**
\[
x = 14 - 5 = 9
\]
**最终答案：**
鸡有 \(\boxed{9}\) 只，兔子有 \(\boxed{5}\) 只。
至此部署测试完毕（部署测试视频）
测试硬件为ATK-DLRK3588开发板16+128版本
