vLLM项目加入PyTorch生态系统，引领LLM推理新纪元

近日，vLLM项目宣布正式成为PyTorch生态系统的一部分，标志着该项目与PyTorch的合作进入了一个全新的阶段。本文将从以下几个方面进行介绍，特别提醒：安装方案在第四个部分，可选择性阅读。

• vLLM项目概述

• vLLM的成就与实际应用

• 支持流行模型

• 安装与使用vLLM

• 总结

一，vLLM项目概述

vLLM是一个为大型语言模型（LLMs）设计的高吞吐量、内存高效的推理和服务引擎。该项目最初基于创新的PagedAttention算法构建，如今已经发展成为一个全面的、最先进的推理引擎。vLLM社区不断为其添加新功能和优化，包括流水线并行处理、分块预填充、推测性解码和分离服务。

二，vLLM的成就与实际应用

自发布以来，vLLM获得了超过31,000个GitHub星标，这一成就证明了其受欢迎程度和社区的活力。vLLM与PyTorch的深度集成，使其能够支持包括NVIDIA GPU、AMD GPU、Google Cloud TPU在内的多种硬件后端，确保了跨平台的兼容性和性能优化。

在今年的亚马逊Prime Day，vLLM在向数百万用户提供快速响应中发挥了关键作用。它在三个区域的80,000个Trainium和Inferentia芯片上，每分钟处理了300万个令牌，同时保持了P99延迟在1秒以内的首次响应。这意味着，当客户与亚马逊应用中的Rufus聊天时，他们实际上是在与vLLM互动。

三，支持流行模型

vLLM与领先的模型供应商紧密合作，支持包括Meta LLAMA、Mistral、QWen和DeepSeek在内的流行模型。特别值得一提的是，vLLM作为首发合作伙伴，首次启用了LLAMA 3.1（405B）模型，展示了其处理复杂和资源密集型语言模型的能力。

四，安装与使用vLLM

安装vLLM非常简单，用户只需在命令行中运行：

pip install vllm

vLLM既可以作为OpenAI API兼容服务器运行，也可以作为一个简单的函数使用。以下是如何使用vLLM生成文本的示例代码：

vllm serve meta-llama/Llama-3.1-8B

将vLLM作为简单函数运行：

from vllm import LLM, SamplingParams​# Sample prompts.prompts = [   "Hello, my name is",   "The president of the United States is",   "The capital of France is",   "The future of AI is",]# Create a sampling params object.sampling_params = SamplingParams(temperature=0.8, top_p=0.95)​# Create an LLM.llm = LLM(model="meta-llama/Llama-3.1-8B")# Generate texts from the prompts. The output is a list of RequestOutput objects# that contain the prompt, generated text, and other information.outputs = llm.generate(prompts, sampling_params)# Print the outputs.for output in outputs:   prompt = output.prompt   generated_text = output.outputs[0].text   print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")

五，总结

随着vLLM的加入，PyTorch生态系统更加强大，为LLM服务带来了便捷和高效。期待vLLM在未来解锁更多创新，推动AI技术的普及和发展

如果你有更好的文章，欢迎投稿！

稿件接收邮箱：[e-mail]

更多精彩内容请关注“算力魔方®”！