开源模型应用落地-Qwen2-7B-Instruct与vllm-单机多卡-RTX 4090双卡-基准测试（十三）

一、前言

    基准测试对于评估模型的性能至关重要，它能准确评估模型的性能，如速度、响应时间和吞吐量等；为优化工作指明方向，发现瓶颈和不足；助力资源规划，确定满足工作负载和性能要求所需的软硬件资源；建立基准线，为后续性能监测和评估提供参考，衡量改进效果和系统变化；还能保证系统或产品符合性能标准和质量要求，是评估和改进性能、进行资源规划以及做出决策的重要工具。

    本次部署采用了入门级的4090双卡 24GB显存的配置，为大家提供了一种可参考的方案。

---

二、术语

2.1. vLLM

    vLLM是一个开源的大模型推理加速框架，通过PagedAttention高效地管理attention中缓存的张量，实现了比HuggingFace Transformers高14-24倍的吞吐量。

2.2. Qwen2-7B-Instruct

    是通义千问 Qwen2 系列中的一个指令微调模型。它在 Qwen2-7B 的基础上进行了指令微调，以提高模型在特定任务上的性能。

    Qwen2-7B-Instruct 具有以下特点：

• 强大的性能：在多个基准测试中，Qwen2-7B-Instruct 的性能可与 Llama-3-70B-Instruct 相匹敌。
• 代码和数学能力提升：得益于高质量的数据和指令微调，Qwen2-7B-Instruct 在数学和代码能力上实现了飞升。
• 多语言能力</