inference-nv-pytorch 26.04 - Container Compute Service - Alibaba Cloud ドキュメントセンター

これは inference-nv-pytorch 26.04 のリリースノートです。

主な機能とバグ修正

主な特徴

本リリースには、2 つの CUDA バージョン（CUDA 12.8 および CUDA 13.0）のイメージが含まれます。
- CUDA 12.8 イメージは amd64 アーキテクチャのみに対応しています。
- CUDA 13.0 イメージは amd64 および aarch64 アーキテクチャに対応しています。
vLLM イメージでは、Torch が 2.10.0 に、vLLM が v0.19.0 にスペックアップされています。
SGLang イメージでは、Torch が 2.10.0 に、SGLang が v0.5.10.post1 にスペックアップされています。

バグ修正

本リリースにはバグ修正は含まれていません。

内容

イメージ名	inference-nv-pytorch
タグ	26.04-vllm0.19.0-pytorch2.10-cu128-20260421-serverless	26.04-sglang0.5.10.post1-pytorch2.10-cu128-20260421-serverless	26.04-vllm0.19.0-pytorch2.10-cu130-20260415-serverless		26.04-sglang0.5.10.post1-pytorch2.10-cu130-20260415-serverless
対応アーキテクチャ	amd64	amd64	amd64	aarch64	amd64	aarch64
ユースケース	大規模モデル推論	大規模モデル推論	大規模モデル推論	大規模モデル推論	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	pytorch	pytorch	pytorch	pytorch
要件	NVIDIA Driver リリース >= 570	NVIDIA Driver リリース >= 570	NVIDIA Driver リリース >= 580	NVIDIA Driver リリース >= 580	NVIDIA Driver リリース >= 580	NVIDIA Driver リリース >= 580
システムコンポーネント	Ubuntu 24.04 Python 3.12 Torch 2.10.0 CUDA 12.8 NCCL 2.29.7 diffusers 0.37.1 flash_attn 2.8.4 flash_attn_3 3.0.0 flashinfer-python 0.6.6 imageio-ffmpeg 0.6.0 ray 2.55.0 transformers 4.57.6 triton 3.6.0 torchaudio 2.10.0 torchvision 0.25.0 vllm 0.19.0 xfuser 0.4.5 xgrammar 0.1.33 ljperf 0.1.0+477686c5	Ubuntu 24.04 Python 3.12 Torch 2.10.0 CUDA 12.8 NCCL 2.29.7 torchaudio 2.10.0 torchvision 0.25.0 diffusers 0.37.1 decord 0.6.0 flash_attn 2.8.4 flash_attn_3 3.0.0 flashinfer-python 0.6.7 imageio-ffmpeg 0.6.0 ray 2.55.0 transformers 5.3.0 sgl-kernel 0.4.1 sglang 0.5.10.post1 xgrammar 0.1.32 triton 3.6.0 torchao 0.9.0 xfuser 0.4.5 ljperf 0.1.0+477686c5	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 diffusers 0.37.1 flash_attn 2.8.4 flash_attn_3 3.0.0 flashinfer-python 0.6.6 imageio-ffmpeg 0.6.0 Ray 2.54.1 transformers 4.57.6 triton 3.6.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 vllm 0.19.0 xfuser 0.4.5 xgrammar 0.1.33 ljperf 0.1.0+d0e4a408	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 flash_attn 2.8.4 flashinfer-python 0.6.6 transformers 4.57.6 vllm 0.19.0 triton 3.6.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 xgrammar 0.1.33 ljperf 0.1.0+477686c5	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 diffusers 0.37.1 decord 0.6.0 flash_attn 2.8.4 flashinfer-python 0.6.7 imageio-ffmpeg 0.6.0 ray 2.55.0 transformers 5.3.0 sgl-kernel 0.4.1 sglang 0.5.10.post1 xgrammar 0.1.32 triton 3.6.0 torchao 0.9.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 xfuser 0.4.5 ljperf 0.1.0+d0e4a408	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 diffusers 0.37.1 decord2 3.3.0 flash_attn 2.8.4 flashinfer-python 0.6.7 imageio-ffmpeg 0.6.0 ray 2.55.0 transformers 5.3.0 sgl-kernel 0.4.1 sglang 0.5.10.post1 xgrammar 0.1.32 triton 3.6.0 torchao 0.9.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 xfuser 0.4.5 ljperf 0.1.0+477686c5

アセット

パブリックイメージ

CUDA12.8 アセット

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.04-vllm0.19.0-pytorch2.10-cu128-20260421-serverless
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.04-sglang0.5.10.post1-pytorch2.10-cu128-20260421-serverless

CUDA13.0 アセット

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.04-vllm0.19.0-pytorch2.10-cu130-20260415-serverless
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.04-sglang0.5.10.post1-pytorch2.10-cu130-20260415-serverless

VPC イメージ

説明

これらのイメージは ACS および EGS マルチテナント向けです。EGS 専用環境では使用しないでください。

ドライバー要件

CUDA12.8：NVIDIA Driver リリース >= 570
CUDA13.0：NVIDIA Driver リリース >= 580

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示します。

説明

ACS で inference-nv-pytorch イメージを使用するには、コンソールのワークロード作成ページで「アーティファクトセンター」からイメージを選択します。YAML ファイルでイメージリファレンスを指定することもできます。詳細については、以下の ACS GPU リソースを使用したモデル推論サービス構築に関する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 から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に入ります。

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]

vLLM の会話機能について推論テストを実行します。

サーバーサービスを起動します。

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": "/mnt/Qwen2.5-7B-Instruct",  
    "messages": [
    {"role": "system", "content": "You are a friendly AI assistant."},
    {"role": "user", "content": "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

現在のイメージは deepgpu-comfyui プラグインをサポートしていません。
ACS GU8TF インスタンスタイプのドライバーバージョン 550.90.07 は、CUDA 13.0 を使用するイメージをサポートしています。