Container Compute Service:inference-nv-pytorch 25.08

Funciones principales y correcciones de bugs

Contenido

Recursos

acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag}

Requisitos del controlador

Versión de NVIDIA Driver >= 570

Inicio rápido

Este ejemplo muestra cómo usar docker para extraer la imagen inference-nv-pytorch y probar su servicio de inference con el modelo Qwen2.5-7B-Instruct.

1. Extraiga la imagen del contenedor de inference.

   docker pull egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

2. Descargue el modelo de código abierto en formato ModelScope.

   pip install modelscope
   cd /mnt
   modelscope download --model Qwen/Qwen2.5-7B-Instruct --local_dir ./Qwen2.5-7B-Instruct

3. Ejecute el siguiente comando para iniciar el contenedor y acceder a él.

   docker run -it --rm --gpus all --network=host --privileged --init --ipc=host \
   --ulimit memlock=-1 --ulimit stack=67108864  \
   -v /mnt/:/mnt/ \
   egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

4. Pruebe la función de inference conversacional de vLLM..

   1. Inicie el servidor.

      python3 -m vllm.entrypoints.openai.api_server \
      --model /mnt/Qwen2.5-7B-Instruct \
      --trust-remote-code --disable-custom-all-reduce \
      --tensor-parallel-size 1

   2. Ejecute una prueba en el cliente.

      curl http://localhost:8000/v1/chat/completions \
          -H "Content-Type: application/json" \
          -d '{
          "model": "Qwen/Qwen2.5-7B-Instruct",  
          "messages": [
          {"role": "system", "content": "You are a friendly AI assistant."},
          {"role": "user", "content": "Tell me about deep learning."}
          ]}'

      Para obtener más información, consulte vLLM.

Problemas conocidos

• El complemento deepgpu-comfyui, que acelera la generación de video para el modelo Wanx, actualmente solo es compatible con GN8IS y G49E.