# 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

```bash
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。