华为云首页 用户手册

AI开发平台MODELARTS-附录：基于vLLM不同模型推理支持最小卡数和最大序列说明

AI开发平台MODELARTS-附录：基于vLLM不同模型推理支持最小卡数和最大序列说明

时间：2024-12-17 18:06:53
AI开发平台MODELARTS

附录：基于vLLM不同模型推理支持最小卡数和最大序列说明

基于vLLM（v0.6.3）部署推理服务时，不同模型推理支持的最小昇腾卡数和对应卡数下的max-model-len长度说明，如下面的表格所示。

以下值是在gpu-memory-utilization为0.9时测试得出，为服务部署所需的最小昇腾卡数及该卡数下推荐的最大max-model-len长度，不代表最佳性能。

以llama2-13b为例，NPU卡显存为32GB时，至少需要2张卡运行推理业务，2张卡运行的情况下，推荐的最大序列max-model-len长度最大是16K，此处的单位K是1024，即16*1024。

测试方法：gpu-memory-utilization为0.9下，以4k、8k、16k递增max-model-len，直至达到能执行静态benchmark下的最大max-model-len。

表1 基于vLLM不同模型推理支持最小卡数和最大序列说明

序号

模型名

32GB显存

64GB显存

最小卡数

最大序列(K)

max-model-len

最小卡数

最大序列(K)

max-model-len

1

llama-7b

1

16

1

32

2

llama-13b

2

16

1

16

3

llama-65b

8

16

4

16

4

llama2-7b

1

16

1

32

5

llama2-13b

2

16

1

16

6

llama2-70b

8

32

4

64

7

llama3-8b

1

32

1

128

8

llama3.1-8b

1

32

1

128

9

llama3-70b

8

32

4

64

10

llama3.1-70b

8

32

4

64

11

llama3.2-1b

1

128

1

128

12

llama3.2-3b

1

128

1

128

13

qwen-7b

1

8

1

32

14

qwen-14b

2

16

1

16

15

qwen-72b

8

8

4

16

16

qwen1.5-0.5b

1

128

1

256

17

qwen1.5-7b

1

8

1

32

18

qwen1.5-1.8b

1

64

1

128

19

qwen1.5-14b

2

16

1

16

20

qwen1.5-32b

4

32

2

64

21

qwen1.5-72b

8

8

4

16

22

qwen1.5-110b

-

-

8

128

23

qwen2-0.5b

1

128

1

256

24

qwen2-1.5b

1

64

1

128

25

qwen2-7b

1

8

1

32

26

qwen2-72b

8

32

4

64

27

qwen2.5-0.5b

1

32

1

32

28

qwen2.5-1.5b

1

32

1

32

29

qwen2.5-3b

1

32

1

32

30

qwen2.5-7b

1

32

1

32

31

qwen2.5-14b

2

32

1

32

32

qwen2.5-32b

4

32

2

64

33

qwen2.5-72b

8

32

4

32

34

chatglm2-6b

1

64

1

128

35

chatglm3-6b

1

64

1

128

36

glm-4-9b

1

32

1

128

37

baichuan2-7b

1

8

1

32

38

baichuan2-13b

2

4

1

4

39

yi-6b

1

64

1

128

40

yi-9b

1

32

1

64

41

yi-34b

4

32

2

64

42

deepseek-llm-7b

1

16

1

32

43

deepseek-coder-33b-instruct

4

32

2

64

44

deepseek-llm-67b

8

32

4

64

45

mistral-7b

1

32

1

128

46

mixtral-8x7b

4

8

2

32

47

gemma-2b

1

64

1

128

48

gemma-7b

1

8

1

32

49

falcon-11b

1

8

1

64

50

llava-1.5-7b

1

16

1

32

51

llava-1.5-13b

1

8

1

16

52

llava-v1.6-7b

1

16

1

32

53

llava-v1.6-13b

1

8

1

16

54

llava-v1.6-34b

4

32

2

64

55

internvl2-8b

1

16`

1

32

56

internvl2-26b

2

8

1

8

57

internvl2-40b

-

-

2

32

58

internVL2-Llama3-76B

-

-

4

8

59

MiniCPM-v2.6

-

-

1

8

60

llama-3.1-405B-AWQ

-

-

8

32

61

qwen2-57b-a14b

-

-

2

16

62

deepseek-v2-lite-16b

2

4

1

4

63

deepseek-v2-236b

-

-

8

4

64

qwen2-vl-2B

1

8

1

8

65

qwen2-vl-7B

1

8

1

32

66

qwen2-vl-72B

-

-

4

32

67

qwen-vl

1

64

1

64

68

qwen-vl-chat

1

64

1

64

69

MiniCPM-v2

2

16

1

16

“-”表示不支持。

support.huaweicloud.com/bestpractice-modelarts/modelarts_llm_infer_91158.html

新客秒杀 2核2G 3M L实例

68元/年

普惠上云 领千元上云礼券

立即前往

企业专享 X实例 4核8G 5M

888元/年

热门域名 1元 随心购

1元/年起

看了此文的人还看了
CDN加速 GaussDB 文字转换成语音 免费的服务器 如何创建网站 域名网站购买 私有云桌面 云主机哪个好 域名怎么备案 手机云电脑 SSL证书申请 云点播服务器 免费OCR是什么 电脑云桌面 域名备案怎么弄 语音转文字 文字图片识别 云桌面是什么 网址安全检测 网站建设搭建 国外CDN加速 SSL免费证书申请 短信批量发送 图片OCR识别 云数据库MySQL 个人域名购买 录音转文字 扫描图片识别文字 OCR图片识别 行驶证识别 虚拟电话号码 电话呼叫中心软件 怎么制作一个网站 Email注册网站 华为VNC 图像文字识别 企业网站制作 个人网站搭建 华为云计算 免费租用云托管 云桌面云服务器 ocr文字识别免费版 HTTPS证书申请 图片文字识别转换 国外域名注册商 使用免费虚拟主机 云电脑主机多少钱 鲲鹏云手机 短信验证码平台 OCR图片文字识别 SSL证书是什么 申请企业邮箱步骤 免费的企业用邮箱 云免流搭建教程 域名价格
AI开发平台MODELARTS-附录：基于vLLM不同模型推理支持最小卡数和最大序列说明

搜索反馈

您搜索到想要的结果了吗?

是的 没有

意见反馈

0/200

提交 取消

提交成功！非常感谢您的反馈，我们会继续努力做到更好 反馈提交失败！请稍后重试！
产品专区
推荐文章
更多内容
云硬盘存储EVS Web应用防火墙 人机语音识别 云计算入门 云数据库选择 HDC大会 华为云计算 响应式建站是什么 智慧班牌系统