给我一个siliconflow部署deepseek的教程 以下是关于 siliconflow 部署 deepseek 的教程：
基于 FP4 优化的 DeepSeekR1 使用 TensorRTLLM 部署：
模型地址：https://huggingface.co/nvidia/DeepSeekR1FP4
硬件要求：需要支持 TensorRTLLM 的英伟达 GPU（如 B200），并且需要 8 个 GPU 来实现 tensor_parallel_size=8 的张量并行。
性能优化：代码利用 FP4 量化、TensorRT 引擎和并行计算，旨在实现高效、低成本的推理，适合生产环境或高吞吐量应用。
在 Docker+RAGFlow+Ollama 中配置本地部署的 DeepSeek 模型：
返回 RAGFlow 中，打开右上角设置，进入模型提供商。
选择 Ollama，配置相关信息，基础 URL 如下配置。
配置完成后点击确定。
导入一个 embedding 模型，用于文本的向量化。
设置系统模型设置。
进入数据集，导入文件，可设置文件夹当作知识库。
对文件进行解析，解析速度取决于本机 GPU 性能。
解析完成后进行检索测试，没问题即可进入聊天界面。
云端模型部署实操：
登录 Pad 控制台，讲解 model gallery 工具及模型。
演示部署 Deepseek R1 和千问 7B 模型，包括选框架、资源、出价等。
介绍查看部署状态、日志方法。
说明用 postman 在线调试模型获取名称及后续使用方式。
模型蒸馏概念、应用场景及本地部署实操：
先介绍云平台部署情况。
讲解模型蒸馏概念、方式，阐述其应用场景及修复模型幻觉的作用。
进行实操演示，带领大家在 model gallery 部署 7B instruct 模型，展示部署步骤、资源竞价等内容，部署完成后用简单问题测试模型并呈现错误回答。
2025-03-18