驱动 >=550.54.15

vLLM 最新版 + CUDA 12.4

高吞吐量 LLM 推理引擎,生产级 Docker 配置

配置摘要

框架
vLLM 最新版
CUDA 版本
12.4
Python 支持
3.10, 3.11, 3.12
最低驱动
>=550.54.15

说明: 稳定版本,广泛兼容

安装命令
pip install vllm

vLLM 最新版 特性

  • PagedAttention 高效 KV 缓存管理
  • 连续批处理实现最大吞吐量
  • 张量并行支持多 GPU 推理
  • 兼容 OpenAI 的 API 服务器
  • 支持 50+ 模型架构

性能: 相比 HuggingFace Transformers 吞吐量提升可达 24 倍

最佳用途

适用场景

  • 生产级 LLM API 服务
  • 高吞吐量聊天机器人后端
  • 批量推理管道
  • 最小显存占用的多模型服务

CUDA 12.4 优势

  • 广泛 GPU 兼容性 (A100, H100, L4)
  • 生产验证的稳定性
  • 云平台支持 (AWS, GCP, Azure)

生成 Dockerfile

配置选项

本地 GPU 或 CPU 环境

稳定版本,广泛兼容

需要 NVIDIA 驱动版本 >=550.54.15
Dockerfile
1# syntax=docker/dockerfile:1
2# ^ Required for BuildKit cache mounts and advanced features
3
4# Generated by DockerFit (https://tools.eastondev.com/docker)
5# VLLM latest + CUDA 12.4 | Python 3.11
6# Multi-stage build for optimized image size
7
8# ==============================================================================
9# Stage 1: Builder - Install dependencies and compile
10# ==============================================================================
11FROM nvidia/cuda:12.4.1-cudnn-devel-ubuntu22.04 AS builder
12
13# Build arguments
14ARG DEBIAN_FRONTEND=noninteractive
15
16# Environment variables
17ENV PYTHONUNBUFFERED=1
18ENV PYTHONDONTWRITEBYTECODE=1
19ENV TORCH_CUDA_ARCH_LIST="8.0;8.6;8.9;9.0"
20
21# Install Python 3.11 from deadsnakes PPA (Ubuntu 22.04)
22RUN apt-get update && apt-get install -y --no-install-recommends \
23 software-properties-common \
24 && add-apt-repository -y ppa:deadsnakes/ppa \
25 && apt-get update && apt-get install -y --no-install-recommends \
26 python3.11 \
27 python3.11-venv \
28 python3.11-dev \
29 build-essential \
30 git \
31 ninja-build
32 && rm -rf /var/lib/apt/lists/*
33
34# Create virtual environment
35ENV VIRTUAL_ENV=/opt/venv
36RUN python3.11 -m venv $VIRTUAL_ENV
37ENV PATH="$VIRTUAL_ENV/bin:$PATH"
38
39# Upgrade pip
40RUN pip install --no-cache-dir --upgrade pip setuptools wheel
41
42# Install vLLM with BuildKit cache
43# Pre-install packaging for potential source builds
44RUN --mount=type=cache,target=/root/.cache/pip \
45 pip install packaging && \
46 pip install vllm
47
48# Install project dependencies
49COPY requirements.txt .
50RUN --mount=type=cache,target=/root/.cache/pip \
51 pip install -r requirements.txt
52
53# ==============================================================================
54# Stage 2: Runtime - Minimal production image
55# ==============================================================================
56FROM nvidia/cuda:12.4.1-cudnn-runtime-ubuntu22.04 AS runtime
57
58# Labels
59LABEL maintainer="Generated by DockerFit"
60LABEL version="latest"
61LABEL description="VLLM latest + CUDA 12.4"
62
63# Environment variables
64ENV PYTHONUNBUFFERED=1
65ENV PYTHONDONTWRITEBYTECODE=1
66ENV NVIDIA_VISIBLE_DEVICES=all
67ENV NVIDIA_DRIVER_CAPABILITIES=compute,utility
68
69# Install Python 3.11 runtime from deadsnakes PPA (Ubuntu 22.04)
70RUN apt-get update && apt-get install -y --no-install-recommends \
71 software-properties-common \
72 && add-apt-repository -y ppa:deadsnakes/ppa \
73 && apt-get update && apt-get install -y --no-install-recommends \
74 python3.11 \
75 libgomp1 \
76 ninja-build
77 && apt-get remove -y software-properties-common \
78 && apt-get autoremove -y \
79 && rm -rf /var/lib/apt/lists/*
80
81# Create non-root user for security
82ARG USERNAME=appuser
83ARG USER_UID=1000
84ARG USER_GID=$USER_UID
85RUN groupadd --gid $USER_GID $USERNAME \
86 && useradd --uid $USER_UID --gid $USER_GID -m $USERNAME
87
88# Copy virtual environment from builder
89COPY --from=builder --chown=$USERNAME:$USERNAME /opt/venv /opt/venv
90ENV VIRTUAL_ENV=/opt/venv
91ENV PATH="$VIRTUAL_ENV/bin:$PATH"
92
93# Set working directory
94WORKDIR /app
95
96# Copy application code
97COPY --chown=$USERNAME:$USERNAME . .
98
99# Switch to non-root user
100USER $USERNAME
101
102# Expose port
103EXPOSE 8000
104
105# Default command
106CMD ["python", "main.py"]
🚀 推荐部署

高性能 GPU 与 AI 云服务器

为您的 Docker 容器提供强大的 NVIDIA 算力支持,支持 A100/H100,全球 32 个机房可选。

  • 支持 NVIDIA A100/H100 GPU 实例
  • 按小时计费,测试成本低至 $0.004/h
  • 全球 32+ 数据中心,极低访问延迟
  • 一键运行容器化应用与裸金属服务器
🎁 立即部署

常见问题

vLLM 需要多少 GPU 显存?

GPU 显存需求取决于模型大小:

  • • 7B 模型: 16GB+ (T4, A10G)
  • • 13B 模型: 24GB+ (L4, A10G)
  • • 70B 模型: 80GB+ (A100, H100)

vLLM 支持张量并行,可用于多 GPU 部署。

如何使用 vLLM 提供模型服务?

启动兼容 OpenAI API 的 vLLM 服务:

python -m vllm.entrypoints.openai.api_server --model meta-llama/Llama-3.2-3B-Instruct --port 8000

该服务提供与 OpenAI API 兼容的接口。

Blackwell 配置是什么?

Blackwell 配置针对 NVIDIA 最新的 B200 和 GB200 GPU 优化:

  • • 需要 CUDA 12.8+
  • • 使用 PyTorch nightly 构建
  • • 支持 FP4 精度以获得最大吞吐量