Container Compute Service：inferensi-nv-pytorch 25.09

Fitur utama dan perbaikan bug

Konten

Aset

Persyaratan driver

Rilis NVIDIA Driver >= 570

Mulai cepat

Contoh ini menunjukkan cara menarik gambar inference-nv-pytorch menggunakan Docker dan menguji layanan inferensi dengan model Qwen2.5-7B-Instruct.

1. Tarik gambar kontainer inferensi.

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

2. Unduh model sumber terbuka dalam format ModelScope.

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

3. Jalankan perintah berikut untuk masuk ke kontainer.

   docker run -d -t --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. Uji fitur inferensi percakapan vLLM.

   1. Mulai server.

      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. Uji pada klien.

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

      Untuk informasi lebih lanjut tentang cara menggunakan vLLM, lihat vLLM.

Masalah yang diketahui

• Plugin deepgpu-comfyui, yang mempercepat pembuatan video model Wanx, saat ini hanya mendukung GN8IS dan G49E.