专栏名称: 阿里云大数据AI平台

阿里云大数据AI平台依托阿里领先的云基础设施、大数据和AI工程能力、场景算法技术和多年行业实践，一站式地为企业和开发者提供云原生的大数据和AI能力体系。帮助提升AI应用开发效率，促进AI在产业中规模化落地，激发业务价值。

MaxCompute x DataWorks × DeepSeek，实现使用自定义数据集微调DeepSeek-R1蒸馏模型

阿里云大数据AI平台 · 公众号 · · 2025-02-27 08:00

正文

请到「今天看啥」查看全文

整体概要

基于阿里云云原生大数据计算服务 MaxCompute 以及大数据开发治理平台 DataWorks 实现使用自定义数据集微调 DeepSeek-R1 蒸馏模型主要分为两大部分，一部分是基于人工智能平台 PAI 的微调训练，第二部分是通过如何构建自有数据集，并进行接入，下面我们以 MaxCompute+DataWorks+PAI 为基础，快速微调 DeepSeek-R1 蒸馏模型。

如何微调 DeepSeek

进入人工智能平台 PAI 控制台，左侧导航栏进入 快速开始 > Model Gallery ，选择模型。下面我们以 DeepSeek-R1-Distill-Qwen-7B 为例，进行微调训练。（其他模型微调也可以基于这个流程）

进入 DeepSeek-R1-Distill-Qwen-7B 模型页面后，点击“训练”按钮，核心是基于自有数据集进行模型调优，自有数据集可以选择存在对象存储 OSS 的数据，也可以选择存在 MaxCompute 的数据，下面我们以存在 MaxCompute 的数据的自有数据集为例进行 DEMO 演示。

训练数据集选择自定义数据集-新建数据集。

存储类型选择云原生大数据计算服务 MaxCompute。

导入 MaxCcompute 的项目名和表名进行关联，进行挂在路径配置。

然后再选择模型输出路径。

最后选择相应的资源配置，及参数配置，点击“训练”就可以基于自有数据集进行微调了，一起试试吧。

如何构建自有数据集，接入 DeepSeek 进行微调

在人工智能平台 PAI 上使用自定义数据集，主要需要关联 MaxCompute 的项目和数据表。首先创建 MaxCompute 项目：打开 MaxCompute 控制台，点击左侧导航栏【工作区】-【项目管理】，选择【新建项目】

创建 MaxCompute 表：打开 DataWorks 控制台（ https://dataworks.console.aliyun.com/overview），左侧导航栏选择【数据开发与运维】->【数据开发】，进入数据开发界面，界面左侧导航栏【表管理】新建表，详细建表过程可参考文档（https://x.sm.cn/Did8TjZ）。

自定义数据集写入

表结构新建好并提交发布后，您可以使用 DataWorks 通过数据集成任务、 MaxCompute 节点任务向 MaxCompute 表中写入数据，DataWorks 深度适配数十种大数据及 AI 计算引擎进行数据集成，支持自定义数据集的开发与调度。此外，DataWorks 还支持通过上传数据功能将本地数据导入 MaxCompute 表中。当然，也可以使用 DataWorks 对写入的数据进行二次开发。

微调 DeepSeek-R1 蒸馏模型部署及应用

通过 MaxCompute 和 Dataworks 创建完项目和表后，即可开始使用 PAI 平台开始使用自定义数据集微调 DeepSeek-R1 蒸馏模型，更多模型微调参考教程可参考人工智能平台 PAI 的部署及应用实践。

部署DeepSeek-V3、DeepSeek-R1模型：https://x.sm.cn/1CRfEiX

使用PAI一键部署通义千问模型：https://x.sm.cn/DkmxHSQ

通过EAS一键部署MLLM多模态大语言模型应用：https://x.sm.cn/3VBGl7k

欢迎各位开发者前来体验，如有需求，可扫描下方二维码加入用户交流群进行交流。

/ END /

更多推荐

点击「 阅读原文 」了解 MaxCompute 更多信息