使用DeepGPU-LLM容器镜像快速构建大语言模型在GPU上的推理环境

在GPU实例上配置DeepGPU-LLM容器镜像后，可以帮助您快速构建大语言模型（例如Llama模型、ChatGLM模型、百川Baichuan模型或通义千问Qwen模型）的推理环境，主要应用在智能对话系统、文本分析、编程辅助等自然语言处理业务场景，您无需深入了解底层的硬件优化细节，镜像拉取完成后，无需额外配置即可开箱即用。本文为您介绍如何在GPU实例上使用DeepGPU-LLM容器镜像构建大语言模型的推理服务。

说明

DeepGPU-LLM是阿里云研发的基于GPU云服务器的大语言模型（Large Language Model，LLM）推理引擎，可以帮助您实现大语言模型在GPU上的高性能推理优化功能。更多信息，请参见什么是推理引擎DeepGPU-LLM。

准备工作

获取DeepGPU-LLM容器镜像详细信息，以便您在GPU实例上部署该容器镜像时使用。例如，创建GPU实例时需要提前了解容器镜像适用的GPU实例类型，拉取容器镜像时需要提前获取镜像地址等信息。

登录容器镜像服务控制台。
在左侧导航栏，单击制品中心。

在仓库名称搜索框，搜索deepgpu选择目标镜像egs/deepgpu-llm。

DeepGPU-LLM容器镜像大概每3个月内更新一次。镜像详情如下所示：

镜像名称

组件信息

镜像地址

适用的GPU实例

DeepGPU-LLM

DeepGPU-LLM：24.3
Python：3.10
PyTorch：2.1.0
CUDA：12.1.1
cuDNN：8.9.0.131
基础镜像：Ubuntu 22.04

egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/deepgpu-llm:24.3-pytorch2.1-cuda12.1-cudnn8-ubuntu22.04

DeepGPU-LLM镜像仅支持以下GPU实例选择，更多信息，请参见GPU计算型。

gn6e、ebmgn6e
gn7i、ebmgn7i、ebmgn7ix
gn7e、ebmgn7e、ebmgn7ex

操作步骤

本操作以Ubuntu 20.04操作系统的gn7i实例规格为例。

创建GPU实例并安装Tesla驱动。
具体操作，请参见创建GPU实例。
在GPU实例上使用DeepGPU-LLM镜像，需要提前在该实例上安装Tesla驱动且驱动版本为535或更高，建议您通过ECS控制台购买GPU实例，并选中安装GPU驱动。
说明
GPU实例创建完成后，会同时自动安装Tesla驱动、CUDA、cuDNN库等，相比手动安装方式更快捷。
远程连接GPU实例。
具体操作，请参见通过密码或密钥认证登录Linux实例。

执行以下命令，安装Docker环境。

sudo apt-get update
sudo apt-get -y install ca-certificates curl

sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL http://mirrors.cloud.aliyuncs.com/docker-ce/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc


echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] http://mirrors.cloud.aliyuncs.com/docker-ce/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt-get update
sudo apt-get install -y docker-ce docker-ce-cli containerd.io

执行以下命令，检查Docker是否安装成功。
```
docker -v
```
如下图回显信息所示，表示Docker已安装成功。

执行以下命令，安装nvidia-container-toolkit。

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
sudo apt-get install -y nvidia-container-toolkit

设置Docker开机自启动并重启Docker服务。

sudo systemctl enable docker 
sudo systemctl restart docker

执行以下命令，查看Docker是否已启动。
```
sudo systemctl status docker
```
如下图回显所示，表示Docker已启动。

执行以下命令，拉取DeepGPU-LLM镜像。

sudo docker pull egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/deepgpu-llm:24.3-pytorch2.1-cuda12.1-cudnn8-ubuntu22.04

执行以下命令，运行DeepGPU-LLM容器。

sudo docker run -d -t --net=host --gpus all \
 --privileged \
 --ipc=host \
 --name deepgpu \
 -v /root:/root \
 egs-registry.cn-hangzhou.cr.aliyuncs.com/egs/deepgpu-llm:24.3-pytorch2.1-cuda12.1-cudnn8-ubuntu22.04

测试验证

本测试以通义千问-7B-Chat模型为例，您可以通过DeepGPU-LLM安装包自带的可运行代码实例体验模型运行效果，展示使用DeepGPU-LLM的推理性能。更多信息，请参见使用DeepGPU-LLM。

执行以下命令，进入DeepGPU-LLM容器。
```
sudo docker exec -it deepgpu bash
```
执行以下命令，下载modelscope格式的通义千问-7B-Chat模型。
```
git-lfs clone https://modelscope.cn/qwen/Qwen-7B-Chat.git
```
执行以下命令，将modelscope格式的通义千问模型转换为DeepGPU-LLM支持的格式。
```
#qwen-7b weight convert
huggingface_qwen_convert \
    -in_file /workspace/Qwen-7B-Chat \
    -saved_dir /workspace/Qwen-7B-Chat-converted \
    -infer_gpu_num 1 \
    -weight_data_type fp16 \
    -model_name qwen-7b
```
说明
- in_file参数后的/workspace/Qwen-7B-Chat请替换为您实际待转换的原始模型所在路径。
- saved_dir参数后的/workspace/Qwen-7B-Chat-converted请替换为您实际转换后的模型所存放的路径。
执行以下命令，运行DeepGPU-LLM安装包自带的推理代码，测试模型的推理效果。
```
qwen_cli -i /workspace/Qwen-7B-Chat-converted/1-gpu/ -t /workspace/Qwen-7B-Chat/
```
运行完成后，您可以输入内容和ChatGLM模型进行问答对话。例如：