inference-nv-pytorch 25.08 - Container Compute Service - Alibaba Cloud ドキュメントセンター

主な特徴とバグ修正

主な特徴

vLLM を v0.10.0 にアップグレードしました。
SGLang を v0.4.10.post2 にアップグレードしました。

バグ修正

なし。

内容

	inference-nv-pytorch	inference-nv-pytorch
タグ	25.08-vllm0.10.0-pytorch2.7-cu128-20250811-serverless	25.08-sglang0.4.10.post2-pytorch2.7-cu128-20250808-serverless
アプリケーションシナリオ	大規模モデル推論	大規模モデル推論
フレームワーク	pytorch	pytorch
要件	NVIDIA Driver release >= 570	NVIDIA Driver release >= 570
システムコンポーネント	Ubuntu 24.04 Python 3.12 Torch 2.7.1+cu128 CUDA 12.8 NCCL 2.27.5 diffusers 0.34.0 deepgpu-comfyui 1.1.7 deepgpu-torch 0.0.24+torch2.7.0cu128 flash_attn 2.8.2 imageio 2.37.0 imageio-ffmpeg 0.6.0 ray 2.48.0 transformers 4.55.0 triton 3.3.1 vllm 0.10.0 xformers 0.0.31 xfuser 0.4.4 xgrammar 0.1.21	Ubuntu 24.04 Python 3.12 Torch 2.7.1+cu128 CUDA 12.8 NCCL 2.27.5 diffusers 0.34.0 deepgpu-comfyui 1.1.7 deepgpu-torch 0.0.24+torch2.7.0cu128 flash_attn 2.8.2 flash_mla 1.0.0+41b611f flashinfer-python 0.2.9rc2 imageio 2.37.0 imageio-ffmpeg 0.6.0 transformers 4.54.1 sgl-kernel 0.2.8 sglang 0.4.10.post2 xgrammar 0.1.22 triton 3.3.1 torchao 0.9.0

アセット

パブリックイメージ

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:25.08-vllm0.10.0-pytorch2.7-cu128-20250811-serverless
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:25.08-sglang0.4.10.post2-pytorch2.7-cu128-20250808-serverless

VPC イメージ

acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag}
{region-id} は、ACS がアクティブ化されているリージョン (cn-beijing、cn-wulanchabu など) を示します。
{image:tag} は、イメージの名前とタグを示します。

重要

現在、VPC 経由でプルできるイメージは、中国 (北京) リージョンのイメージのみです。

説明

inference-nv-pytorch:25.08-vllm0.10.0-pytorch2.7-cu128-20250811-serverless および inference-nv-pytorch:25.08-sglang0.4.10.post2-pytorch2.7-cu128-20250808-serverless イメージは、ACS および Lingjun マルチテナントデプロイメント向けですが、Lingjun シングルテナントデプロイメントには対応していません。

ドライバー要件

NVIDIA Driver release >= 570

クイックスタート

この例では、Docker を使用して inference-nv-pytorch イメージをプルし、Qwen2.5-7B-Instruct モデルで推論サービスをテストする方法を説明します。

説明

ACS で inference-nv-pytorch イメージを使用するには、コンソールでワークロードを作成するときに Artifact Center ページから選択するか、YAML ファイルでイメージを指定してください。詳細については、次のトピックをご参照ください。

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]

ModelScope 形式で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

次のコマンドを実行して、コンテナを起動し、コンテナ内に入ります。

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]

vLLM の対話型推論機能をテストします。

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

クライアントでテストを実行します。

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."}
    ]}'

詳細については、「vLLM」をご参照ください。

既知の問題

Wanx モデルのビデオ生成を高速化する deepgpu-comfyui プラグインは、現在 GN8IS と G49E のみをサポートしています。