initial
This commit is contained in:
@@ -0,0 +1,11 @@
|
|||||||
|
#MODEL_PATH=/models/llama3-70b-quantized
|
||||||
|
#SERVED_NAME=llama3-70b-gptq
|
||||||
|
MODEL_PATH=/models/deepseek-coder-33b-gptq
|
||||||
|
SERVED_NAME=deepseek-coder
|
||||||
|
TP_SIZE=4
|
||||||
|
DTYPE=float16
|
||||||
|
MAX_MODEL_LEN=8192
|
||||||
|
GPU_MEM_UTIL=0.88
|
||||||
|
MAX_NUM_SEQS=4
|
||||||
|
VLLM_EXTRA_ARGS=--quantization gptq --disable-custom-all-reduce --enforce-eager
|
||||||
|
|
||||||
@@ -0,0 +1,35 @@
|
|||||||
|
services:
|
||||||
|
vllm-legacy:
|
||||||
|
image: vllm/vllm-openai:v0.4.0.post1
|
||||||
|
container_name: gpu-lab-vllm-legacy
|
||||||
|
network_mode: host
|
||||||
|
ipc: host
|
||||||
|
shm_size: "32gb"
|
||||||
|
env_file:
|
||||||
|
- .env
|
||||||
|
volumes:
|
||||||
|
- models:/models:ro
|
||||||
|
deploy:
|
||||||
|
resources:
|
||||||
|
reservations:
|
||||||
|
devices:
|
||||||
|
- driver: nvidia
|
||||||
|
count: all
|
||||||
|
capabilities: [gpu]
|
||||||
|
entrypoint: ["/bin/sh", "-c"]
|
||||||
|
command:
|
||||||
|
- >
|
||||||
|
exec python3 -m vllm.entrypoints.openai.api_server
|
||||||
|
--model "$$MODEL_PATH"
|
||||||
|
--served-model-name "$$SERVED_NAME"
|
||||||
|
--host 0.0.0.0 --port 8000
|
||||||
|
--tensor-parallel-size "$$TP_SIZE"
|
||||||
|
--dtype "$$DTYPE"
|
||||||
|
--max-model-len "$$MAX_MODEL_LEN"
|
||||||
|
--gpu-memory-utilization "$$GPU_MEM_UTIL"
|
||||||
|
--max-num-seqs "$$MAX_NUM_SEQS"
|
||||||
|
$$VLLM_EXTRA_ARGS
|
||||||
|
restart: "no"
|
||||||
|
|
||||||
|
volumes:
|
||||||
|
models:
|
||||||
Reference in New Issue
Block a user