使用 llama_index 服务

vLLM 也可通过 llama_index 获得。

要安装 llamaindex，请运行

$ pip install llama-index-llms-vllm -q

要在单个或多个 GPU 上运行推理，请使用 llamaindex 中的 Vllm 类。

from llama_index.llms.vllm import Vllm

llm = Vllm(
    model="microsoft/Orca-2-7b",
    tensor_parallel_size=4,
    max_new_tokens=100,
    vllm_kwargs={"swap_space": 1, "gpu_memory_utilization": 0.5},
)

有关更多详细信息，请参阅此 教程。