inference-nv-pytorch 25.07 - Container Compute Service

本文介紹inference-nv-pytorch 25.07版本發布記錄。

Main Features and Bug Fix Lists

Main Features

vLLM版本升級到v0.9.2。
SGLang版本升級至v0.4.9.post1。
deepgpu-comfyui升級至v1.1.7。

Bug Fix

當前vLLM0.9.2跑雙機DeepSeek-R1模型會有PPMissingLayer的報錯，需合入PR https://github.com/vllm-project/vllm/pull/20665/files，本鏡像已合入。

	inference-nv-pytorch	inference-nv-pytorch
Tag	25.07-vllm0.9.2-pytorch2.7-cu128-20250714-serverless	25.07-sglang0.4.9-pytorch2.7-cu128-20250710-serverless
應用情境	大模型推理	大模型推理
架構	pytorch	pytorch
Requirements	NVIDIA Driver release >= 570	NVIDIA Driver release >= 570
系統組件	Ubuntu 24.04 Python 3.12 Torch 2.7.1+cu128 CUDA 12.8 NCCL 2.27.5 accelerate 1.8.1 diffusers 0.34.0 deepgpu-comfyui 1.1.7 deepgpu-torch 0.0.24+torch2.7.0cu128 flash_attn 2.8.1 imageio 2.37.0 imageio-ffmpeg 0.6.0 ray 2.47.1 transformers 4.53.1 vllm 0.9.3.dev0+ga5dd03c1e.d20250709 xgrammar 0.1.19 triton 3.3.1	Ubuntu 24.04 Python 3.12 Torch 2.7.1+cu128 CUDA 12.8 NCCL 2.27.5 accelerate 1.8.1 diffusers 0.34.0 deepgpu-comfyui 1.1.7 deepgpu-torch 0.0.24+torch2.7.0cu128 flash_attn 2.8.1 flash_mla 1.0.0+9edee0c flashinfer-python 0.2.7.post1 imageio 2.37.0 imageio-ffmpeg 0.6.0 transformers 4.53.0 sgl-kernel 0.2.4 sglang 0.4.9.post1 xgrammar 0.1.20 triton 3.3.1 torchao 0.9.0

Asset

公網鏡像

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:25.07-vllm0.9.2-pytorch2.7-cu128-20250714-serverless
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:25.07-sglang0.4.9-pytorch2.7-cu128-20250710-serverless

VPC鏡像

acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag}
{region-id}為您使用的ACS產品所在的開服地區，比如：cn-beijing、cn-wulanchabu等。
{image:tag}為實際鏡像的名稱和Tag。

說明

inference-nv-pytorch:25.07-vllm0.9.2-pytorch2.7-cu128-20250714-serverless和inference-nv-pytorch:25.07-sglang0.4.9-pytorch2.7-cu128-20250710-serverless鏡像適用於ACS產品形態、靈駿多租產品形態，不適用於靈駿單租產品形態。

Driver Requirements

CUDA 12.8的鏡像：NVIDIA Driver release >= 570。

Quick Start

以下樣本內容僅通過Docker方式拉取inference-nv-pytorch鏡像，並使用Qwen2.5-7B-Instruct模型測試推理服務。

說明

在ACS中使用inference-nv-pytorch鏡像需要通過控制台建立工作負載介面的製品中心頁面選取，或者通過YAML檔案指定鏡像引用。更多詳細操作，請參見使用ACS GPU算力構建DeepSeek模型推理服務系列內容：

拉取推理容器鏡像。

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

下載modelscope格式的開源模型。

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

啟動以下命令進入容器。

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]

執行推理測試，測試vLLM推理對話功能。

啟動Sever服務。

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

在Client端進行測試。

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
    "model": "/mnt/Qwen2.5-7B-Instruct",  
    "messages": [
    {"role": "system", "content": "你是個友善的AI助手。"},
    {"role": "user", "content": "介紹一下深度學習。"}
    ]}'

更多關於vLLM的使用方法請參見vLLM。

Known Issues

deepgpu-comfyui外掛程式，加速Wanx模型視頻產生，目前僅支援GN8IS。

Container Compute Service：inference-nv-pytorch 25.07