【AI大模型部署】6种常用的大模型部署方式，你知道几种？

前言

本文详细介绍Transformers‌、‌ModelScope‌、‌vLLM‌、‌Llama.cpp‌、‌Ollama‌、‌TGI‌ 这几种常用的大模型部署方式，包含具体的部署方法、适用情况以及优缺点分析，为大家做大模型部署技术选型提供依据。

1. Transformers

1‌.1 部署方法‌：

• 使用 Hugging Face 的 Transformers 库，该库集成了上千个预训练模型以及丰富的推理管道和示例代码。
• 可以通过 AWS SageMaker Inference Toolkit 将模型打包成容器，并一键发布为实时 API Endpoint。
• 也可以在 HF 平台上创建托管式推理端点，支持自动扩缩容、版本管理与监控。

‌

1.2 适用情况‌：

• 适用于需要快速部署和推理多种预训练模型的场景。
• 适合于需要利用 Hugging Face 丰富生态和社区支持的项目。

‌

1.3 优缺点‌：

• ‌优点‌：成熟的开源生态，丰富的预训练模型和推理支持。
• ‌缺点‌：可能对于特定硬件或部署环境的优化不足，需要额外的配置和调整。

案例：

1、安装依赖

pip install transformers torch fastapi uvicorn

2、加载预训练模型和分词器‌

from transformers import BertForSequenceClassification, BertTokenizer
model_name = 'Qwen/Qwen3-8B'model = BertForSequenceClassification.from_pretrained(model_name)tokenizer = BertTokenizer.from_pretrained(model_name)

3、构建API服务

from fastapi import FastAPI, HTTPExceptionfrom pydantic import BaseModelimport torch
app = FastAPI()
class TextIn(BaseModel):	text: str
@app.post("/predict")async def predict(text_in: TextIn):try:# 对输入文本进行编码		inputs = tokenizer(text_in.text, return_tensors="pt", padding=True, truncation=True, max_length=512)# 使用模型进行预测with torch.no_grad():			outputs = model(**inputs)# 获取预测结果		predictions = torch.nn.functional.softmax(outputs.logits, dim=-1)		predicted_class = predictions.argmax().item()return {'predicted_class': predicted_class, 'probabilities': predictions.tolist()[0]}except Exception as e:raise HTTPException(status_code=500, detail=str(e))

4、运行运行API服务‌

uvicorn app:app --reload --host 0.0.0.0 --port 8000

2. ModelScope

2‌.1 部署方法‌：

• 登录阿里云 PAI 控制台，在「模型在线服务（EAS）」中选择 ModelScope 模型进行场景化部署。
• 只需配置模型、版本与实例规格等参数即可完成部署。
• 也支持本地容器化部署，通过 Docker 拉取镜像并启动服务。

2‌.2 适用情况‌：

• 适用于金融风控、内容审核、智能推荐等需要快速迭代与多模型共存的业务场景。
• 适合于阿里云生态内的用户，能够无缝对接阿里云的其他服务。

‌

2.3 优缺点‌：

• ‌优点‌：端到端的一站式体验，便于快速构建 MLOps 流水线。
• ‌缺点‌：主要关注深度学习模型，可能不适用于非深度学习模型或特定的深度学习架构；学习曲线较陡峭；文档和社区支持相对较少。

3. vLLM

‌3.1 部署方法‌：

• 通过 pip 安装 vLLM，支持 CUDA 12.1 及更高版本。
• 可以从 Hugging Face 加载模型，也可以指定本地模型路径启动服务。
• 支持多 GPU 分布式部署，通过调整参数实现高效的并行推理。

3‌.2 适用情况‌：

• 适用于需要高效推理大模型的场景，尤其是 GPU 资源有限的场景。
• 适合于需要跨多个设备进行推理任务并行执行的分布式部署。

‌

3.3 优缺点‌：

• ‌优点‌：优化了内存使用，高效的并行化，适用于推理优化。
• ‌缺点‌：功能较为单一，主要针对推理，缺少一些训练相关的优化；社区和生态相对较小。

案例：

1、安装vLLM

pip install vllm

或者源码安装

git clone https://github.com/vllm-project/vllm.gitcd vllmpip install -e .

2、加载运行模型

从 Hugging Face 加载模型‌

vllm serve Qwen/Qwen2-7B-Instruct

加载本地模型

vllm serve /path/to/local/model

3、启动方式

单卡启动

vllm serve deepseek-ai/DeepSeek-V3-0324 --port 8000

多卡启动

vllm serve deepseek-ai/DeepSeek-V3-0324 --tensor-parallel-size 4

4. Llama.cpp

‌4.1 部署方法‌：

• 克隆 Llama.cpp 代码库并编译生成可执行文件。
• 准备支持的模型格式（如 PyTorch 的 .pth、Hugging Face 的 .safetensors 等），并下载至指定目录。
• 使用 Llama.cpp 提供的工具将模型转换为 GGUF 格式，并进行量化以优化推理速度。
• 启动服务化组件，对外提供模型的 API。

‌

4.2 适用情况‌：

• 适用于需要优化推理性能的场景，尤其是资源受限的环境。
• 适合于对模型进行量化以减少显存占用和加速推理的需求。

4‌.3 优缺点‌：

• ‌优点‌：使用 C 语言实现，性能提升明显；提供模型量化工具，优化推理速度。
• ‌缺点‌：可能对于某些特定模型或格式的支持不够完善；需要一定的编译和配置工作。

案例：

1、下载代码

git clone https://github.com/ggerganov/llama.cppcd llama.cpp

2、编译

cmake -B build -DGGML_CUDA=ON -DGGML_CUDA_ENABLE_UNIFIED_MEMORY=1cmake --build build --config Release -j 8

3、下载模型和格式转换

从 Hugging Face 或其他模型库下载所需的 LLM 模型，通常是以 .pth（PyTorch 格式）或 .safetensors 格式存在

‌转换为 GGUF 格式‌

python convert.py ./models/your-model-path --vocabtype spm

4、部署模型

./llama-server -m ./models/your-model-q8.gguf --port 8080

5. Ollama

‌5.1 部署方法‌：

• 安装 Ollama，并配置环境变量以指定模型存储路径。
• 通过命令行执行指令下载并运行模型。
• 支持 Docker 部署，结合 Streamlit/Gradio 快速构建 Web UI。

‌

5.2 适用情况‌：

• 适用于边测边迭代或资源受限环境下的快速试验。
• 适合于需要完全本地化部署，确保数据隐私性的场景。

‌

5.3 优缺点‌：

• ‌优点‌：完全本地化，无须云端依赖；Docker 支持，便于快速构建 Web UI。
• ‌缺点‌：可能对于某些高级功能或复杂场景的支持不够完善；社区和文档资源相对较少。

案例：

安装ollama

curl -fsSL https://ollama.com/install.sh | sh

下载和运行模型

ollama run qwen3

6. TGI

6‌.1 部署方法‌：

• 准备训练好的模型，并保存为指定格式（如 .h5）。
• 编写 TGI 配置文件，定义模型的输入输出和部署参数。
• 使用 TGI 框架提供的命令行工具部署模型，启动模型服务。
• 创建 API 服务（如使用 FastAPI），使模型可以被外部应用程序访问。

‌

6.2 适用情况‌：

• 适用于需要高效部署和推理自定义模型的场景。
• 适合于需要构建可扩展的 AI 模型服务的项目。

‌

6.3 优缺点‌：

• ‌优点‌：提供了统一的部署框架和 API 服务构建工具，便于快速部署和推理自定义模型。
• ‌缺点‌：可能对于某些特定模型或格式的支持不够完善；需要一定的配置和编码工作。

案例：

1、安装TGI需要的环境

sudo apt-get install libssl-dev gcc -ycurl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | shPROTOC_ZIP=protoc-21.12-linux-x86_64.zipcurl -OL https://github.com/protocolbuffers/protobuf/releases/download/v21.12/$PROTOC_ZIPsudo unzip -o $PROTOC_ZIP -d /usr/local bin/protocsudo unzip -o $PROTOC_ZIP -d /usr/local 'include/*'rm -f $PROTOC_ZIP

2、克隆 TGI 仓库

git clone https://github.com/huggingface/text-generation-inference.gitcd text-generation-inference

3、编译和安装 TGI‌：

conda activate llm-plus  # 激活一个虚拟环境（可选）BUILD_EXTENSIONS=True make install -j

4、下载和部署模型

从 Hugging Face 或其他模型库下载所需的大模型，确保模型格式与 TGI 兼容。

使用 TGI 提供的命令行工具启动模型服务

text-generation-launcher --model-id /path/to/your/model --trust-remote-code --port 4000

好的，以上就是这6种大模型的详细部署方式，你可以根据项目需求、硬件条件等因素进行选择。

最后的最后

感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。

为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。

这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。

这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】