deepseek 在pycharm中部署

配置和运行 DeepSpeed 项目
为了在 PyCharm 中成功配置并运行基于 DeepSpeed 的项目，需遵循一系列设置指南。
安装 Python 和依赖项
确保已安装 Python 及所需库。这可以通过执行命令 pip install -r requirements.txt 来完成[^1]。此操作会依据项目的依赖文件自动下载并安装所有必需的包。
设置环境变量
对于多 GPU 训练场景，在启动训练之前应指定要使用的 GPU 设备 ID。例如，可以使用如下命令设定环境变量：
export CUDA_VISIBLE_DEVICES=4,6,7
登录后复制
该指令限定了后续程序仅能访问编号为 4、6 和 7 的 GPU 资源[^2]。
创建与编辑配置文件
创建一个名为 ds_config.json 的 JSON 文件作为 DeepSpeed 的配置文件。这个文件定义了诸如优化级别（Optimizer）、调度策略（Scheduler）以及其他重要的超参数等选项。具体的内容取决于实际需求以及所选模型的要求。
修改入口脚本
调整主训练脚本以支持 DeepSpeed 功能。通常情况下只需添加两个额外参数即可启用它:
if __name__ == "__main__":
parser.add_argument("--deepspeed", action='store_true', help="Enable distributed training using Deepspeed.")
parser.add_argument('--deepspeed_config', default='./ds_config.json', type=str, metavar='PATH',
help='Path to deepspeed configuration file.')
登录后复制
上述代码片段展示了如何向解析器中加入新的命令行参数以便于控制是否开启 DeepSpeed 支持及其对应的配置路径。
使用 PyCharm 进行调试
打开 PyCharm 并导入目标项目；接着按照常规流程新建 Run/Debug Configuration 。在此过程中需要注意的是，“Script path”应该指向修改后的主训练脚本位置，而“Parameters”则填入类似于下面这样的字符串：
--deepspeed --deepspeed_config ./ds_config.json
登录后复制
最后点击 Apply & OK 即可保存更改。现在可以从 IDE 内部直接启动应用程序来进行测试或调试工作了。