# DeepSeek Coder

{% hint style="info" %}
**नवीनतम संस्करण उपलब्ध हैं!** [**DeepSeek-R1**](https://docs.clore.ai/guides/guides_v2-hi/language-models/deepseek-r1) (तर्कशक्ति + कोडिंग) और [**DeepSeek-V3**](https://docs.clore.ai/guides/guides_v2-hi/language-models/deepseek-v3) (सामान्य प्रयोजन) काफी अधिक सक्षम हैं। साथ ही देखें [**Qwen2.5-Coder**](https://docs.clore.ai/guides/guides_v2-hi/language-models/qwen25) एक मजबूत कोडिंग विकल्प के लिए।
{% endhint %}

DeepSeek Coder मॉडलों के साथ सर्वश्रेष्ठ-इन-क्लास कोड जनरेशन।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं जिन्हें द्वारा किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## CLORE.AI पर किराये पर लेना

1. पर जाएँ [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)
2. GPU प्रकार, VRAM, और मूल्य के अनुसार फ़िल्टर करें
3. चुनें **ऑन-डिमांड** (निश्चित दर) या **स्पॉट** (बिड प्राइस)
4. अपना ऑर्डर कॉन्फ़िगर करें:
   * Docker इमेज चुनें
   * पोर्ट सेट करें (SSH के लिए TCP, वेब UI के लिए HTTP)
   * यदि आवश्यक हो तो एनवायरनमेंट वेरिएबल जोड़ें
   * स्टार्टअप कमांड दर्ज करें
5. भुगतान चुनें: **CLORE**, **BTC**, या **USDT/USDC**
6. ऑर्डर बनाएं और डिप्लॉयमेंट का इंतज़ार करें

### अपने सर्वर तक पहुँचें

* कनेक्शन विवरण में खोजें **मेरे ऑर्डर**
* वेब इंटरफेस: HTTP पोर्ट URL का उपयोग करें
* SSH: `ssh -p <port> root@<proxy-address>`

## DeepSeek Coder क्या है?

DeepSeek Coder प्रदान करता है:

* अत्याधुनिक कोड जनरेशन
* 338 प्रोग्रामिंग भाषाएँ
* Fill-in-the-middle समर्थन
* Repository-स्तरीय समझ

## मॉडल वेरिएंट

| मॉडल                | पैरामीटर | VRAM  | संदर्भ |
| ------------------- | -------- | ----- | ------ |
| DeepSeek-Coder-1.3B | 1.3B     | 3GB   | 16K    |
| DeepSeek-Coder-6.7B | 6.7B     | 8GB   | 16K    |
| DeepSeek-Coder-33B  | 33B      | 40GB  | 16K    |
| DeepSeek-Coder-V2   | 16B/236B | 20GB+ | 128K   |

## त्वरित तैनाती

**Docker इमेज:**

```
pytorch/pytorch:2.5.1-cuda12.4-cudnn9-runtime
```

**पोर्ट:**

```
22/tcp
8000/http
```

**कमांड:**

```bash
pip install vllm && \
vllm serve deepseek-ai/deepseek-coder-6.7b-instruct --port 8000
```

## अपनी सेवा तक पहुँचना

डिप्लॉयमेंट के बाद, अपना खोजें `http_pub` URL में **मेरे ऑर्डर**:

1. जाएँ **मेरे ऑर्डर** पृष्ठ
2. अपने ऑर्डर पर क्लिक करें
3. खोजें `http_pub` URL (उदा., `abc123.clorecloud.net`)

उपयोग करें `https://YOUR_HTTP_PUB_URL` की बजाय `localhost` नीचे दिए उदाहरणों में।

## Ollama का उपयोग कर रहे हैं

```bash

# DeepSeek Coder चलाएँ
ollama run deepseek-coder

# विशिष्ट आकार
ollama run deepseek-coder:1.3b
ollama run deepseek-coder:6.7b
ollama run deepseek-coder:33b

# V2 (नवीनतम)
ollama run deepseek-coder-v2
```

## इंस्टॉलेशन

```bash
pip install transformers accelerate torch
```

## कोड जनरेशन

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "user", "content": """
REST API क्लाइंट के लिए एक Python क्लास लिखें जिसमें:
- प्रमाणन समर्थन
- गुणात्मक बैकऑफ के साथ रिट्राई लॉजिक
- अनुरोध/प्रतिक्रिया लॉगिंग
"""}
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt"
).to("cuda")

outputs = model.generate(
    inputs,
    max_new_tokens=1024,
    temperature=0.2,
    do_sample=True
)

print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
```

## Fill-in-the-Middle (FIM)

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-base"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

# Fill-in-the-middle फॉर्मेट
prefix = """def calculate_statistics(data):
    \"\"\"सूची का औसत, माध्य और मानक विचलन गणना करें।\"\"\"
    import statistics

    mean = statistics.mean(data)
"""

suffix = """
    return {
        'mean': mean,
        'median': median,
        'std': std
    }
"""

# FIM टोकन
prompt = f"<｜fim▁begin｜>{prefix}<｜fim▁hole｜>{suffix}<｜fim▁end｜>"

inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=128)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## DeepSeek-Coder-V2

नवीनतम और सबसे शक्तिशाली:

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "user", "content": "Python में थ्रेड-सेफ़ LRU कैश लागू करें"}
]

inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
outputs = model.generate(inputs, max_new_tokens=1024, temperature=0.2)
print(tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True))
```

## vLLM सर्वर

```bash
vllm serve deepseek-ai/deepseek-coder-6.7b-instruct \
    --port 8000 \
    --dtype bfloat16 \
    --max-model-len 16384 \
    --trust-remote-code
```

### API उपयोग

```python
from openai import OpenAI

client = OpenAI(base_url="http://localhost:8000/v1", api_key="x")

response = client.chat.completions.create(
    model="deepseek-ai/deepseek-coder-6.7b-instruct",
    messages=[
        {"role": "system", "content": "आप एक विशेषज्ञ प्रोग्रामर हैं."},
        {"role": "user", "content": "एक FastAPI websocket सर्वर लिखें"}
    ],
    temperature=0.2,
    max_tokens=1500
)

print(response.choices[0].message.content)
```

## कोड समीक्षा

````python
code_to_review = """
def process_data(data):
    result = []
    for i in range(len(data)):
        if data[i] > 0:
            result.append(data[i] * 2)
    return result
"""

messages = [
    {"role": "user", "content": f"""
इस कोड की समीक्षा करें और सुधार सुझाएँ:

```python
{code_to_review}
````

केन्द्रित रहें:

1. प्रदर्शन
2. पढ़ने में सुगमता
3. सर्वोत्तम प्रथाएँ """} ]

````

## बग फिक्सिंग

```python
buggy_code = """
def merge_sorted_lists(list1, list2):
    result = []
    i = j = 0
    while i < len(list1) and j < len(list2):
        if list1[i] < list2[j]:
            result.append(list1[i])
            i += 1
        else:
            result.append(list2[j])
    return result
"""

messages = [
    {"role": "user", "content": f"""
इस कोड में बग खोजें और ठीक करें:

```python
{buggy_code}
````

"""} ]

````

## Gradio इंटरफ़ेस

```python
import gradio as gr
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "deepseek-ai/deepseek-coder-6.7b-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)

def generate_code(prompt, temperature, max_tokens):
    messages = [{"role": "user", "content": prompt}]
    inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
    outputs = model.generate(inputs, max_new_tokens=max_tokens, temperature=temperature, do_sample=True)
    return tokenizer.decode(outputs[0][inputs.shape[1]:], skip_special_tokens=True)

demo = gr.Interface(
    fn=generate_code,
    inputs=[
        gr.Textbox(label="Prompt", lines=5, placeholder="Describe the code you need..."),
        gr.Slider(0.1, 1.0, value=0.2, label="Temperature"),
        gr.Slider(256, 2048, value=1024, step=128, label="Max Tokens")
    ],
    outputs=gr.Code(language="python", label="Generated Code"),
    title="DeepSeek Coder"
)

demo.launch(server_name="0.0.0.0", server_port=7860)
````

## प्रदर्शन

| मॉडल             | GPU      | टोकन/सेकंड |
| ---------------- | -------- | ---------- |
| DeepSeek-1.3B    | RTX 3060 | \~120      |
| DeepSeek-6.7B    | RTX 3090 | \~70       |
| DeepSeek-6.7B    | RTX 4090 | \~100      |
| DeepSeek-33B     | A100     | \~40       |
| DeepSeek-V2-Lite | RTX 4090 | \~50       |

## तुलना

| मॉडल               | HumanEval | कोड गुणवत्ता |
| ------------------ | --------- | ------------ |
| DeepSeek-Coder-33B | 79.3%     | उत्कृष्ट     |
| CodeLlama-34B      | 53.7%     | अच्छा        |
| GPT-3.5-Turbo      | 72.6%     | अच्छा        |

## समस्याओं का निवारण

### कोड पूरा नहीं हो रहा है

* सुनिश्चित करें कि सही प्रॉम्प्ट फॉर्मेट के साथ `<|fim_prefix|>`, `<|fim_suffix|>`, `<|fim_middle|>`
* उपयुक्त सेट करें `max_new_tokens` कोड जनरेशन के लिए

### मॉडल आउटपुट कचरा दे रहा है

* जाँचें कि मॉडल पूरी तरह डाउनलोड हुआ है
* सुनिश्चित करें कि CUDA उपयोग हो रहा है: `model.device`
* कम तापमान आज़माएँ (कोड के लिए 0.2-0.5)

### धीमी निष्पादन गति

* 5-10x स्पीडअप के लिए vLLM का उपयोग करें
* सक्षम करें `torch.compile()` transformers के लिए
* बड़े वेरिएंट्स के लिए क्वांटाइज़्ड मॉडल का उपयोग करें

### इम्पोर्ट त्रुटियाँ

* निर्भरता स्थापित करें: `pip install transformers accelerate`
* PyTorch को 2.0+ में अपडेट करें

## लागत अनुमान

सामान्य CLORE.AI मार्केटप्लेस दरें (2024 के अनुसार):

| GPU       | घंटात्मक दर | दैनिक दर | 4-घंटे सत्र |
| --------- | ----------- | -------- | ----------- |
| RTX 3060  | \~$0.03     | \~$0.70  | \~$0.12     |
| RTX 3090  | \~$0.06     | \~$1.50  | \~$0.25     |
| RTX 4090  | \~$0.10     | \~$2.30  | \~$0.40     |
| A100 40GB | \~$0.17     | \~$4.00  | \~$0.70     |
| A100 80GB | \~$0.25     | \~$6.00  | \~$1.00     |

*कीमतें प्रदाता और मांग के अनुसार बदलती हैं। जाँच करें* [*CLORE.AI मार्केटप्लेस*](https://clore.ai/marketplace) *वर्तमान दरों के लिए।*

**पैसे बचाएँ:**

* उपयोग करें **स्पॉट** लचीले वर्कलोड के लिए मार्केट (अक्सर 30-50% सस्ता)
* भुगतान करें **CLORE** टोकन के साथ
* विभिन्न प्रदाताओं के बीच कीमतों की तुलना करें

## अगले कदम

* [DeepSeek-V3](https://docs.clore.ai/guides/guides_v2-hi/language-models/deepseek-v3) - नवीनतम DeepSeek प्रमुख मॉडल
* [CodeLlama](https://docs.clore.ai/guides/guides_v2-hi/language-models/codellama) - वैकल्पिक कोड मॉडल
* [Qwen2.5-Coder](https://docs.clore.ai/guides/guides_v2-hi/language-models/qwen25) - Alibaba का कोड मॉडल
* [vLLM](https://docs.clore.ai/guides/guides_v2-hi/language-models/vllm) - प्रोडक्शन परिनियोजन