x
This commit is contained in:
@@ -61,20 +61,21 @@
|
|||||||
- `api_key`:接口访问密钥(同时用于 8000 与 8001)
|
- `api_key`:接口访问密钥(同时用于 8000 与 8001)
|
||||||
- `tensor_parallel_size`:张量并行数,双卡建议 `2`
|
- `tensor_parallel_size`:张量并行数,双卡建议 `2`
|
||||||
- `dtype`:推理精度,默认 `bfloat16`
|
- `dtype`:推理精度,默认 `bfloat16`
|
||||||
- `selected_model`:当前生效模型,留空时回退到 `default_model`
|
- `models.selected`:当前生效模型,留空时回退到 `models.default`
|
||||||
|
|
||||||
## config.json 说明
|
## config.json 说明
|
||||||
|
|
||||||
`config.json` 采用以下结构:
|
`config.json` 采用以下结构:
|
||||||
|
|
||||||
- 顶层 `default_model`:默认模型名
|
- `models.default`:默认模型名
|
||||||
- 顶层其他键:每个模型的配置档位
|
- `models.selected`:当前生效模型名
|
||||||
|
- `models.profiles`:模型配置集合
|
||||||
- 每个模型至少建议包含:`hf_model_id`、`ctx`、`max_num_seqs`、`max_tokens`、`gpu_util`、`valid_tp`
|
- 每个模型至少建议包含:`hf_model_id`、`ctx`、`max_num_seqs`、`max_tokens`、`gpu_util`、`valid_tp`
|
||||||
|
|
||||||
启动时会按以下优先级选模型:
|
启动时会按以下优先级选模型:
|
||||||
|
|
||||||
1. `config.json` 中 `selected_model`
|
1. `config.json` 中 `models.selected`
|
||||||
2. `config.json` 中 `default_model`
|
2. `config.json` 中 `models.default`
|
||||||
|
|
||||||
模型被选中后,会自动覆盖运行参数,包括:
|
模型被选中后,会自动覆盖运行参数,包括:
|
||||||
|
|
||||||
@@ -88,7 +89,7 @@
|
|||||||
|
|
||||||
## 部署步骤
|
## 部署步骤
|
||||||
|
|
||||||
1. 修改 `config.json` 中的 `selected_model` 与服务参数。
|
1. 修改 `config.json` 中的 `models.selected` 与服务参数。
|
||||||
|
|
||||||
2. 构建并启动容器:
|
2. 构建并启动容器:
|
||||||
|
|
||||||
@@ -129,8 +130,9 @@ curl -X POST "http://localhost:8001/v1/chat/completions" \
|
|||||||
|
|
||||||
- Base URL 使用 `http://<服务器IP>:8001/v1`
|
- Base URL 使用 `http://<服务器IP>:8001/v1`
|
||||||
- API Key 使用 `config.json` 中 `api_key`
|
- API Key 使用 `config.json` 中 `api_key`
|
||||||
- 模型名使用 `config.json` 中 `served_model_name`
|
- 模型名使用 `config.json` 中 `models.profiles.<模型名>.served_model_name`
|
||||||
- 若使用工具调用,`config.json` 中应配置 `tool_call_parser` 与 `enable_auto_tool_choice`
|
- 若使用工具调用,`config.json` 中应配置 `tool_call_parser` 与 `enable_auto_tool_choice`
|
||||||
|
- 所有路径按 Ubuntu 规范填写,本地模型建议使用 `/opt/model/<模型目录>`
|
||||||
|
|
||||||
## 双 AMD R9700 调优建议
|
## 双 AMD R9700 调优建议
|
||||||
|
|
||||||
@@ -138,4 +140,3 @@ curl -X POST "http://localhost:8001/v1/chat/completions" \
|
|||||||
- 首次部署建议设置 `GPU_MEMORY_UTILIZATION=0.90`,稳定后再调高
|
- 首次部署建议设置 `GPU_MEMORY_UTILIZATION=0.90`,稳定后再调高
|
||||||
- 若模型较大且吞吐压力高,可逐步调低 `MAX_MODEL_LEN` 或 `MAX_NUM_SEQS`
|
- 若模型较大且吞吐压力高,可逐步调低 `MAX_MODEL_LEN` 或 `MAX_NUM_SEQS`
|
||||||
- 确保宿主机已正确安装 ROCm 驱动并暴露 `/dev/kfd` 与 `/dev/dri`
|
- 确保宿主机已正确安装 ROCm 驱动并暴露 `/dev/kfd` 与 `/dev/dri`
|
||||||
|
|
||||||
|
|||||||
+58
-54
@@ -9,62 +9,66 @@
|
|||||||
"port": 8001
|
"port": 8001
|
||||||
}
|
}
|
||||||
},
|
},
|
||||||
"api_key": "",
|
"api_key": "sk-szcjw",
|
||||||
"tensor_parallel_size": 2,
|
"tensor_parallel_size": 2,
|
||||||
"dtype": "bfloat16",
|
"dtype": "bfloat16",
|
||||||
"revision": "",
|
"revision": "",
|
||||||
"default_model": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
"models": {
|
||||||
"selected_model": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
"default": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
||||||
"Qwen3-Next-80B-A3B-Instruct-AWQ-4bit": {
|
"selected": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
||||||
"ctx": "24576",
|
"profiles": {
|
||||||
"trust_remote": true,
|
"Qwen3-Next-80B-A3B-Instruct-AWQ-4bit": {
|
||||||
"valid_tp": [2],
|
"ctx": "24576",
|
||||||
"max_num_seqs": "32",
|
"trust_remote": true,
|
||||||
"max_tokens": "16384",
|
"valid_tp": [2],
|
||||||
"gpu_util": "0.98",
|
"max_num_seqs": "32",
|
||||||
"enforce_eager": false,
|
"max_tokens": "16384",
|
||||||
"env": {
|
"gpu_util": "0.98",
|
||||||
"VLLM_USE_TRITON_AWQ": "1"
|
"enforce_eager": false,
|
||||||
},
|
"env": {
|
||||||
"tool_call_parser": "qwen3_xml",
|
"VLLM_USE_TRITON_AWQ": "1"
|
||||||
"enable_auto_tool_choice": true,
|
},
|
||||||
"served_model_name": "Qwen3-Next-80B-A3B-Instruct-AWQ-4bit",
|
"tool_call_parser": "qwen3_xml",
|
||||||
"hf_model_id": "cpatonn/Qwen3-Next-80B-A3B-Instruct-AWQ-4bit"
|
"enable_auto_tool_choice": true,
|
||||||
},
|
"served_model_name": "Qwen3-Next-80B-A3B-Instruct-AWQ-4bit",
|
||||||
"GLM-4.7-Flash-AWQ": {
|
"hf_model_id": "cpatonn/Qwen3-Next-80B-A3B-Instruct-AWQ-4bit"
|
||||||
"ctx": "32768",
|
},
|
||||||
"trust_remote": true,
|
"GLM-4.7-Flash-AWQ": {
|
||||||
"valid_tp": [1, 2],
|
"ctx": "32768",
|
||||||
"max_num_seqs": "64",
|
"trust_remote": true,
|
||||||
"max_tokens": "32768",
|
"valid_tp": [1, 2],
|
||||||
"gpu_util": "0.98",
|
"max_num_seqs": "64",
|
||||||
"tool_call_parser": "qwen3_xml",
|
"max_tokens": "32768",
|
||||||
"enable_auto_tool_choice": true,
|
"gpu_util": "0.98",
|
||||||
"served_model_name": "GLM-4.7-Flash-AWQ",
|
"tool_call_parser": "qwen3_xml",
|
||||||
"hf_model_id": "THUDM/GLM-4.7-Flash-AWQ"
|
"enable_auto_tool_choice": true,
|
||||||
},
|
"served_model_name": "GLM-4.7-Flash-AWQ",
|
||||||
"Qwen3.5-27B-FP8": {
|
"hf_model_id": "THUDM/GLM-4.7-Flash-AWQ"
|
||||||
"ctx": "32768",
|
},
|
||||||
"trust_remote": true,
|
"Qwen3.5-27B-FP8": {
|
||||||
"valid_tp": [1, 2],
|
"ctx": "32768",
|
||||||
"max_num_seqs": "64",
|
"trust_remote": true,
|
||||||
"max_tokens": "32768",
|
"valid_tp": [1, 2],
|
||||||
"gpu_util": "0.98",
|
"max_num_seqs": "64",
|
||||||
"tool_call_parser": "qwen3_xml",
|
"max_tokens": "32768",
|
||||||
"enable_auto_tool_choice": true,
|
"gpu_util": "0.98",
|
||||||
"served_model_name": "Qwen3.5-27B-FP8",
|
"tool_call_parser": "qwen3_xml",
|
||||||
"hf_model_id": "RedHatAI/Qwen3.5-27B-FP8-dynamic"
|
"enable_auto_tool_choice": true,
|
||||||
},
|
"served_model_name": "Qwen3.5-27B-FP8",
|
||||||
"Qwen3.5-35B-A3B-GPTQ-Int4": {
|
"hf_model_id": "RedHatAI/Qwen3.5-27B-FP8-dynamic"
|
||||||
"ctx": "32768",
|
},
|
||||||
"trust_remote": true,
|
"Qwen3.5-35B-A3B-GPTQ-Int4": {
|
||||||
"valid_tp": [1, 2],
|
"ctx": "32768",
|
||||||
"max_num_seqs": "64",
|
"trust_remote": true,
|
||||||
"max_tokens": "32768",
|
"valid_tp": [1, 2],
|
||||||
"gpu_util": "0.98",
|
"max_num_seqs": "64",
|
||||||
"tool_call_parser": "qwen3_xml",
|
"max_tokens": "32768",
|
||||||
"enable_auto_tool_choice": true,
|
"gpu_util": "0.98",
|
||||||
"served_model_name": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
"tool_call_parser": "qwen3_xml",
|
||||||
"hf_model_id": "Qwen/Qwen3.5-35B-A3B-GPTQ-Int4"
|
"enable_auto_tool_choice": true,
|
||||||
|
"served_model_name": "Qwen3.5-35B-A3B-GPTQ-Int4",
|
||||||
|
"hf_model_id": "Qwen/Qwen3.5-35B-A3B-GPTQ-Int4"
|
||||||
|
}
|
||||||
|
}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|||||||
+2
-2
@@ -10,7 +10,7 @@ services:
|
|||||||
- "8000:8000"
|
- "8000:8000"
|
||||||
volumes:
|
volumes:
|
||||||
- /opt/model:/opt/model:ro
|
- /opt/model:/opt/model:ro
|
||||||
- d:/project/rocm_vllm_nightly/rocm_vllm_nightly/config.json:/workspace/config.json:ro
|
- ./config.json:/workspace/config.json:ro
|
||||||
devices:
|
devices:
|
||||||
- /dev/kfd
|
- /dev/kfd
|
||||||
- /dev/dri
|
- /dev/dri
|
||||||
@@ -35,7 +35,7 @@ services:
|
|||||||
- "8001:8001"
|
- "8001:8001"
|
||||||
volumes:
|
volumes:
|
||||||
- /opt/model:/opt/model:ro
|
- /opt/model:/opt/model:ro
|
||||||
- d:/project/rocm_vllm_nightly/rocm_vllm_nightly/config.json:/workspace/config.json:ro
|
- ./config.json:/workspace/config.json:ro
|
||||||
devices:
|
devices:
|
||||||
- /dev/kfd
|
- /dev/kfd
|
||||||
- /dev/dri
|
- /dev/dri
|
||||||
|
|||||||
Reference in New Issue
Block a user