核心内容摘要
抖音快手闪现集合：点亮生活，连接精彩，你的下一个爆款就在这里！
vLLM 是一款专为大语言模型推理加速而设计的框架实现了 KV 缓存内存几乎零浪费解决了内存管理瓶颈问题。
更多 vLLM 中文文档及教程可访问 →https://hyper.ai/notebooks/37048?utm_sourceDistributeutm_mediumDistribute-vLLMutm_campaignDistribute-vLLM-260126*在线运行 vLLM 入门教程零基础分步指南源码 examples/offline_inference/simple_profiling.py# SPDX-License-Identifier: Apache-
0 import os import time from vllm import LLM, SamplingParams # 启用 torch 分析器也可以在命令行设置 os.environ[VLLM_TORCH_PROFILER_DIR] ./vllm_profile # 样本提示。
prompts [ Hello, my name is, The president of the United States is, The capital of France is, The future of AI is, ] # 创建一个采样参数对象。
sampling_params SamplingParams(temperature
8, top_p
0.
if __name__ __main__: # 创建一个 LLM。
llm LLM(modelfacebook/opt-125m, tensor_parallel_size
llm.start_profile() # 从提示中生成文本。
输出是 RequestOutput 的包含提示生成文本和其他信息的对象列表。
outputs llm.generate(prompts, sampling_params) llm.stop_profile() # 打印输出。
for output in outputs: prompt output.prompt generated_text output.outputs[0].text print(fPrompt: {prompt!r}, Generated text: {generated_text!r}) # 添加一个缓冲区在后台过程中等待 profiling(如果 MP 为 ON) 完成分析输出。
time.sleep(
10)