本次主要分享DeepSeek從技術原理到使用技巧內容，這里展示一些基本內容，后面附上詳細PDF下載鏈接。

DeepSeek基本介紹

DeepSeek公司和模型的基本簡介，以及DeepSeek高性能低成本獲得業界的高度認可的原因。

DeepSeek技術路線解析

• DeepSeek V3和R1模型前饋神經網絡均采用混合專家（ MoE ）架構。每個MoE層包含1個共享專家和256個路由專家組成，在運行時每個詞元（token）只激活8個路由專家。

• MLA 的核心是對注意力鍵和值進行低秩聯合壓縮，減少推理過程中的 a 鍵值緩存（KV cache），從而降低推理時的內存占用。

• 多詞元預測訓練(MTP)是指，在訓練過程中，模型不僅預測下一個詞元，同時預測多個未來的詞元。這種方法通過在共享模型主干上增加多個
  獨立的輸出頭來實現，并且不增加訓練時間和內存消耗。

• FP8混合精度訓練，DeepSeek采用了混合精度框架，使用細粒度量化策略、低精度優化器狀態等方法以實現增強精度、低精度存儲和通信，同時DeepSeek向硬件廠商也提出了硬件設計的相關建議。

• DeepSeek提出組相對策略優化（ GRPO ），對PPO改良，提高計算效率，降低內存占用。

DeepSeek的調用與部署

• 云端調用，介紹了各大平臺，以及調用的成本。

• 目前本地部署的成本以及一些可提供部署DeepSeek一體機的廠家匯總。

如何使用DeepSeek

主要有兩種使用范式：獨立使用和工具組合使用

開源模型將推動 AI 應用生態的加速繁榮，大幅降低傳統企業與創業者接入 AI 的成本與門檻。AI 技術深入演進，推理模型或將成為主流形態。

完整PDF獲取方式：

DeepSeek完全實用手冊V1.0 - 至頂AI實驗室.pdf

鏈接:?https://pan.baidu.com/s/1mDZrGPX88JjF9WsMAx0sjQ?pwd=aiai

提取碼: aiai

本文轉自碼客人生：https://mp.weixin.qq.com/s/1TIkH-ssgtMTDgd-EHJ5bA