使用 Cerebrium 部署

vLLM 可以在基于云的 GPU 机器上运行，使用 Cerebrium，这是一个无服务器 AI 基础设施平台，使公司更容易构建和部署基于 AI 的应用程序。

要安装 Cerebrium 客户端，请运行：

$ pip install cerebrium
$ cerebrium login

接下来，创建你的 Cerebrium 项目，运行：

$ cerebrium init vllm-project

接下来，要安装所需的包，请将以下内容添加到您的 cerebrium.toml 中：

[cerebrium.deployment]
docker_base_image_url = "nvidia/cuda:12.1.1-runtime-ubuntu22.04"

[cerebrium.dependencies.pip]
vllm = "latest"

接下来，让我们添加代码来处理你选择的LLM的推理（本例中为`mistralai/Mistral-7B-Instruct-v0.1`），将以下代码添加到你的main.py`中：

from vllm import LLM, SamplingParams

llm = LLM(model="mistralai/Mistral-7B-Instruct-v0.1")

def run(prompts: list[str], temperature: float = 0.8, top_p: float = 0.95):

    sampling_params = SamplingParams(temperature=temperature, top_p=top_p)
    outputs = llm.generate(prompts, sampling_params)

    # Print the outputs.
    results = []
    for output in outputs:
        prompt = output.prompt
        generated_text = output.outputs[0].text
        results.append({"prompt": prompt, "generated_text": generated_text})

    return {"results": results}

然后，运行以下代码将其部署到云端

$ cerebrium deploy

如果成功，你应该会得到一个可以调用推理的CURL命令。只需记住在URL末尾加上你要调用的函数名（在我们的例子中是/run）

curl -X POST https://api.cortex.cerebrium.ai/v4/p-xxxxxx/vllm/run \
 -H 'Content-Type: application/json' \
 -H 'Authorization: <JWT TOKEN>' \
 --data '{
   "prompts": [
     "Hello, my name is",
     "The president of the United States is",
     "The capital of France is",
     "The future of AI is"
   ]
 }'

你应该得到一个像这样的响应：

{
    "run_id": "52911756-3066-9ae8-bcc9-d9129d1bd262",
    "result": {
        "result": [
            {
                "prompt": "Hello, my name is",
                "generated_text": " Sarah, and I'm a teacher. I teach elementary school students. One of"
            },
            {
                "prompt": "The president of the United States is",
                "generated_text": " elected every four years. This is a democratic system.\n\n5. What"
            },
            {
                "prompt": "The capital of France is",
                "generated_text": " Paris.\n"
            },
            {
                "prompt": "The future of AI is",
                "generated_text": " bright, but it's important to approach it with a balanced and nuanced perspective."
            }
        ]
    },
    "run_time_ms": 152.53663063049316
}

你现在有了一个自动扩展的端点，只需为你使用的计算付费！