kunlunxin

适配 kunlunxin 昆仑芯R200-8F加速卡的大模型推理服务镜像

启动

使用docker方式启动

docker run -it --rm \
    --net=host \
    -v /mnt/disk0/models/model-qwen1-5-72b-chat/:/model \
    -e MODEL_NAME=qwen1.5-72b \
    -e NUM_GPUs=4 \
    -e WEIGHT_ONLY_PRECISION=int8 \
    --device /dev/xpuctrl \
    --device /dev/xpu0 \
    --device /dev/xpu1 \
    --device /dev/xpu2 \
    --device /dev/xpu3 \
    slx-infer-kunlunxin:release-0.1-pipe-1-commit-cd30b38d

参数说明

环境变量

• MODEL_PATH: 模型在容器中的路径，默认为 /model

• MODEL_NAME: 模型名字，用于api接口中

• PORT：端口，默认80

• BUILD_SCRIPT_ROOT：编译脚本目录，一般不需要修改

• WEIGHT_ONLY_PRECISION：量化权重的精度，int8或int4

• ENGINE_DIR：编译后的模型存储路径，默认./xtrt_engine

• BUILD_EXTRA：编译用到的额外参数

参数

基本与vllm相同，可以使用--help查看。

由于后端的engine使用的是xtrt的engine，所以相关的参数无效或造成未知的结果，所以不建议修改相关参数。