Container Compute Service:inference-nv-pytorch 25.02 リリースノート

主な機能とバグ修正リスト

内容

アセット

ドライバ要件

NVIDIA ドライバ リリース 550 以上

クイックスタート

次の例では、Docker のみを使用して inference-nv-pytorch イメージをプルし、Qwen2.5-7B-Instruct モデルを使用して推論サービスをテストします。

1. 推論コンテナ イメージをプルします。

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

2. ModelScope 形式のオープンソース モデルをダウンロードします。

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

3. 次のコマンドを実行して、コンテナにログインします。

   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. vLLM の推論会話機能をテストするために、推論テストを実行します。

   1. サーバー サービスを開始します。

      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. クライアントでテストします。

      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": "Please introduce deep learning."}
          ]}'

      vLLM の使用方法の詳細については、「vLLM」をご参照ください。

既知の問題

• MoE On H20 での不正なメモリアクセス #13693。 vLLM を更新することをお勧めします。