Container Compute Service:inference-nv-pytorch 25.07

新機能

イメージの仕様

このリリースでは、PyTorch と CUDA 12.8 を使用した大規模言語モデル (LLM) の推論をターゲットとする 2 つのイメージバリアントが提供されます。

イメージへのアクセス

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

ドライバー要件

CUDA 12.8 イメージには、NVIDIA ドライバー 570 以降が必要です。

クイックスタート

この例では、vLLM イメージをプルし、Qwen2.5-7B-Instruct モデルをダウンロードして、推論テストを実行します。

1. 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 から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. コンテナを起動します。

   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 推論サーバーを起動します。

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

5. クライアントからテストリクエストを送信します。

   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."}
       ]
     }'

   詳細については、vLLM ドキュメントをご参照ください。

既知の問題

Wanx モデルの動画生成用の deepgpu-comfyui プラグインは、gn8is インスタンスタイプのみをサポートします。