大模型部署：vLLM/TGI推理加速与私有化培训课程-曙海培训中心

大模型部署：vLLM/TGI推理加速与私有化培训课程

•  

• 培训对象： AI运维工程师、大模型应用开发者、算法工程师、需要私有化部署大模型的技术人员。

•  

• 培训目标：

  • 理解大模型推理的性能瓶颈和优化策略。

  • 掌握vLLM的PagedAttention原理和部署方法。

  • 熟练使用TGI（Text Generation Inference）部署大模型。

  • 具备大模型量化、并发优化和监控运维能力。

•  

• 培训内容介绍：

•  

  一、 大模型推理挑战与优化策略： 分析大模型推理的内存瓶颈、计算瓶颈，介绍KV缓存、连续批处理等优化技术。

  二、 vLLM核心原理-PagedAttention： 深入理解PagedAttention如何解决显存碎片化问题，提升推理吞吐量。

  三、 vLLM安装与部署： 安装vLLM，加载LLaMA、Qwen等模型，配置并发参数和最大输入长度。

  四、 vLLM API服务化： 使用vLLM启动OpenAI兼容的API服务，配置并发请求队列和超时策略。

  五、 vLLM性能调优： 调整批处理大小、最大并行请求数，监控显存使用和推理延迟，优化吞吐量。

  六、 TGI架构与特性： 了解HuggingFace TGI的架构设计，掌握其连续批处理、张量并行、模型分片等特性。

  七、 TGI部署实战： 使用Docker部署TGI服务，加载各种大模型，配置环境变量和启动参数。

  八、 模型量化技术： 使用GPTQ、AWQ、GGUF等量化技术压缩模型，降低显存需求，提升推理速度。

  九、 量化模型部署： 在vLLM/TGI中加载量化模型，对比量化前后的精度和性能差异。

  十、 多GPU并行推理： 配置张量并行（Tensor Parallelism）在多张GPU上分布模型，支持更大模型部署。

  十一、 监控与日志管理： 使用Prometheus+Grafana监控推理服务指标（QPS、延迟、显存），配置告警规则。

  十二、 实战项目：企业级大模型私有化部署： 根据企业需求选择模型，使用vLLM或TGI部署高并发推理服务，提供API供业务调用。