我要投稿

vLLM部署QwQ-32B（GPU版）

发布日期：2025-04-22 08:08:41 浏览次数： 1534 作者：是十三不是四十三

按官网要求，在部署vLLM之前首先要保证Python的版本在3.12及以上，gcc版本在12以上，并且一般需要安装Anaconda，用于做Python环境隔离，上述过程不再赘述。

一、vLLM安装部署

查看GPU显存
nvidia-smi

创建一个独立的虚拟环境并激活

安装vLLM

二、QwQ-32B模型下载

从魔塔社区下载模型https://modelscope.cn/models/Qwen/QwQ-32B/files

安装modelscope

下载完整模型库

耐心等待吧，我这边下载了两三个小时才下载完 sudo modelscope download --model Qwen/QwQ-32B --local_dir /home/data-local/qwq-32b

三、模型运行

接下来就是见证奇迹的时刻了~~~~~

完了，报错了

执行 UDA_VISIBLE_DEVICES=0 vllm serve --model /home/data-local/qwq-32b --served-model-name QWQ-32B --port 8000 报错

改为 CUDA_VISIBLE_DEVICES=0 vllm serve /home/data-local/qwq-32b --served-model-name QWQ-32B --port 8000

这次可以了

接下来试试跑一下别的模型

CUDA_VISIBLE_DEVICES=0 vllm serve /home/data-local/DeepSeek-R1-Distill-Qwen-7B --served-model-name Qwen-7B --port 8000

四、测试连接

API接口测试

curl http://localhost:8000/v1/completions -H "Content-Type: application/json" -d '{  "model": "QWQ-32B",  "prompt": "你好",  "max_tokens": 100}'

通过OpenAI兼容的API调用

from openai import OpenAI# 初始化客户端（添加api_key参数）client = OpenAI(       base_url="http://172.19.66.132:8000/v1",       api_key="dummy"  # 虚拟密钥‌:ml-citation{ref="1" data="citationList"})# 调用模型生成文本response = client.completions.create(  model="Qwen-1.5B",  prompt="如何部署大语言模型？",  max_tokens=200)# 正确输出字段为response.choices.textprint(response.choices[0].text)

后面再写一篇通过API调用vLLM部署的模型并且分离结果的文章~~~

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-04-22

使用 LLaMA-Factory 微调 llama3 模型

2025-04-22

费曼讲解大模型参数微调——小白也能看懂

2025-04-22

超详细使用Ollama本地部署Deepseek

2025-04-22

大模型微调：Prompt-Tuning

2025-04-22

手把手教你如何集群部署大模型

2025-04-22

企业私有大模型DeepSeek落地部署该用什么? Ollama还是vLLM

2025-04-21

“算法备案与大模型备案：你们是否已完成双备案？”

2025-04-21

vLLM部署Deepseek（CPU版）踩坑记录（失败经验贴）

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

一文读懂DeepSeek-R1本地部署配置要求（建议收藏）

2025-02-04

DeepSeek R1 671B 完整版本地部署教程来了！！！

2025-02-04

太爽了！o1 现在可以天天享用了

2024-09-18

万字综述 10+ 种 LLM 投机采样推理加速方案

2024-07-11

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-07-09

FP8 低精度训练：Transformer Engine 简析

2024-07-11

彻底理解系列之：FP32、FP16、TF32、BF16、混合精度

2024-07-26

别被Deepseek低成本冲昏头！本地化部署后续的“甜蜜陷阱”，你真能扛住吗？

2025-02-05

ollama 部署 deepseek-r1 70B 模型完整指南

2025-01-27

o3-mini 完全指南：一个被 DeepSeek 破大防的模型

2025-02-01

大家都在问

MCP vs Function Calling，该如何选？

2025-04-20

RAGFlow vs Dify, 商业化落地场景选哪个？

2025-04-01

如何利用Dify轻松构建你的专属语料库？

2025-03-31

从 0 到 1，Agentic Ops 如何打造企业级 AI 生产力？

2025-03-20

DeepSeek-R1的Qwen-32B蒸馏模型与QwQ-32B模型，谁更强？

2025-03-16

部署DeepSeek的4条路，企业级客户到底该咋走？

2025-03-16

谷歌Gemma 3 27b 到底能不能打，写个游戏测试下？

2025-03-13

强化学习(RL)是什么? 它和微调有什么区别?

2025-03-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

友情链接：

CopyRight © 2012-2024 深圳市博思协创网络科技有限公司版权所有

粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204

上海：上海市浦东新区金新路58号1602室

微信扫码
和创始人交个朋友

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部