内网环境使用Docker部署Qwen2模型-vLLM篇

在此之前，我们已成功利用Docker与Ollama框架，在内网环境中部署了Qwen2模型。下面我们再来看一下使用Docker与vLLM框架部署Qwen2模型。

准备vLLM镜像

在一台具备网络环境的机器上执行以下命令，拉取vLLM的镜像：

# 官方镜像
docker pull vllm/vllm-openai:latest

# 如果因为墙的原因，以上命令拉取不到，可以去看看下面这些仓库
Docker仓库：https://docker.1panel.live ✅网友自建
Docker仓库：https://docker.agsv.top  ✅网友自建
Docker仓库：https://docker.agsvpt.work  ✅网友自建
Docker仓库：https://dockerpull.com ✅网友自建
Docker仓库：https://dockerproxy.cn ✅网友自建

下载Qwen2-7B-Instruct模型

我这里下载的是Qwen2-7B-Instruct-GPTQ-Int4的模型。下载地址：

https://huggingface.co/Qwen/Qwen2-7B-Instruct-GPTQ-Int4

编写Dockerfile

我们将Qwen2模型打包上传到服务器，然后编写Dockerfile：

# 基础镜像
FROM vllm/vllm-openai:latest

# 暴露端口
EXPOSE 8000

# 将模型上传到基础镜像
ADD Qwen2-7B-Instruct-GPTQ-Int4 /home/Qwen2-7B-Instruct-GPTQ-Int4

# 容器启动要执行的命令，注意这里一定要是python3
ENTRYPOINT ["python3","-m","vllm.entrypoints.openai.api_server","--served-model-name","Qwen2-7B-Instruct-GPTQ","--model","/home/Qwen2-7B-Instruct-GPTQ-Int4"]

构建镜像

执行docker build命令，构建docker镜像：

docker build -t vllm_qwen2_7b:1.0 -f Dockerfile .

启动容器

执行以下命令，启动docker容器：

docker run -itd --runtime nvidia --gpus all --name vllm_qwen2 --env "HUGGING_FACE_HUB_TOKEN=<secret>" -p 8000:8000 vllm_qwen2_7b:1.0 --max-model-len 8129

经过启动、测试，模型运行没问题。

然后，我们就可以将镜像导出，提供给内网环境使用了：

# 镜像导出
docker save -o vllm_qwen2.tar vllm_qwen2_7b:1.0
# 镜像导入
docker load -i vllm_qwen2.tar

问题解决

问题1、No CUDA GPUs are available

解决方法：

（1）检查是否正确安装了CUDA驱动，执行nvidia-smi可查看。

（2）docker run命令中没有添加--runtime nvidia --gpus all。

问题2：unknown or invalid runtime name: nvidia

解决方法：

当Docker容器需要使用GPU时，需要配置Docker的default-runtime为nvidia，然后重启Docker。

{
  "runtimes":{
"nvidia":{
"path":"nvidia-container-runtime",
"runtimeArgs":[]
}
},
"default-runtime":"nvidia"
}

 如果是Windows版Docker，需要在Docker Desktop中点击右上角的Setting，然后点击Docker Engine，在这里设置完上述配置后，点击restart。

 

问题3、Try increasing gpu_memory_utilization or decreasing max_model_len when initializing the engine.

解决方法：

因为GPU内存限制而需要调整模型的最大序列长度。在docker run命令最后加--max-model-len限制。

--max-model-len 8129