lorax学习资料汇总 - 支持千级微调模型的多LoRA推理服务器

RayRay
LoRAX多模型推理高通量低延迟生产准备Github开源项目

lorax简介

lorax(LoRA eXchange)是一个多LoRA推理服务框架,允许用户在单个GPU上部署数千个微调模型,大幅降低服务成本而不影响吞吐量和延迟。它由Predibase公司开发并开源,采用Apache 2.0许可证。

lorax logo

主要特性

lorax具有以下主要特性:

  • 🚅 动态适配器加载:可以在请求中包含来自HuggingFace、Predibase或任何文件系统的微调LoRA适配器,它会即时加载而不阻塞并发请求。
  • 🏋️‍♀️ 异构连续批处理:将不同适配器的请求打包到同一批次中,使延迟和吞吐量与并发适配器数量几乎保持恒定。
  • 🧁 适配器交换调度:在GPU和CPU内存之间异步预取和卸载适配器,调度请求批处理以优化系统的总吞吐量。
  • 👬 优化推理:包括张量并行、预编译CUDA内核、量化、token流等高吞吐量和低延迟优化。
  • 🚢 生产就绪:预构建的Docker镜像、Kubernetes的Helm图表、Prometheus指标和Open Telemetry分布式追踪。支持多轮对话的OpenAI兼容API。
  • 🤯 免费商用:Apache 2.0许可证。

快速开始

安装要求

  • Nvidia GPU (Ampere及以上)
  • CUDA 11.8+兼容设备驱动
  • Linux操作系统
  • Docker

启动lorax服务器

  1. 安装 nvidia-container-toolkit

  2. 执行以下命令:

sudo systemctl daemon-reload sudo systemctl restart docker model=mistralai/Mistral-7B-Instruct-v0.1 volume=$PWD/data docker run --gpus all --shm-size 1g -p 8080:80 -v $volume:/data \ ghcr.io/predibase/lorax:main --model-id $model

更多详细教程请参考Docker快速入门指南

使用方法

通过REST API调用

基础LLM调用示例:

curl 127.0.0.1:8080/generate \ -X POST \ -d '{ "inputs": "[INST] Natalia sold clips to 48 of her friends in April, and then she sold half as many clips in May. How many clips did Natalia sell altogether in April and May? [/INST]", "parameters": { "max_new_tokens": 64 } }' \ -H 'Content-Type: application/json'

LoRA适配器调用示例:

curl 127.0.0.1:8080/generate \ -X POST \ -d '{ "inputs": "[INST] Natalia sold clips to 48 of her friends in April, and then she sold half as many clips in May. How many clips did Natalia sell altogether in April and May? [/INST]", "parameters": { "max_new_tokens": 64, "adapter_id": "vineetsharma/qlora-adapter-Mistral-7B-Instruct-v0.1-gsm8k" } }' \ -H 'Content-Type: application/json'

详细API文档请参考REST API参考

通过Python客户端调用

安装:

pip install lorax-client

使用示例:

from lorax import Client client = Client("http://127.0.0.1:8080") # 调用基础LLM prompt = "[INST] Natalia sold clips to 48 of her friends in April, and then she sold half as many clips in May. How many clips did Natalia sell altogether in April and May? [/INST]" print(client.generate(prompt, max_new_tokens=64).generated_text) # 调用LoRA适配器 adapter_id = "vineetsharma/qlora-adapter-Mistral-7B-Instruct-v0.1-gsm8k" print(client.generate(prompt, max_new_tokens=64, adapter_id=adapter_id).generated_text)

更多详情请参考Python客户端参考

通过OpenAI兼容API进行对话

lorax支持通过OpenAI兼容的API进行多轮对话,同时支持动态加载适配器。只需将任意适配器指定为model参数即可。

from openai import OpenAI client = OpenAI( api_key="EMPTY", base_url="http://127.0.0.1:8080/v1", ) resp = client.chat.completions.create( model="alignment-handbook/zephyr-7b-dpo-lora", messages=[ { "role": "system", "content": "You are a friendly chatbot who always responds in the style of a pirate", }, {"role": "user", "content": "How many helicopters can a human eat in one sitting?"}, ], max_tokens=100, ) print("Response:", resp.choices[0].message.content)

详细信息请参考OpenAI兼容API文档

学习资源

  1. 官方文档
  2. GitHub仓库
  3. Docker快速入门指南
  4. Kubernetes部署指南
  5. SkyPilot部署指南
  6. 本地部署指南
  7. REST API参考
  8. Python客户端参考
  9. OpenAI兼容API文档

结语

lorax为大规模部署和服务微调语言模型提供了一个强大而灵活的解决方案。通过本文提供的学习资源,相信读者可以快速上手并充分利用lorax的强大功能。如果您在使用过程中遇到任何问题,欢迎查阅官方文档或在GitHub仓库中提出issue。祝您使用愉快!

编辑推荐精选

音述AI

音述AI

全球首个AI音乐社区

音述AI是全球首个AI音乐社区,致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具,独创GETI法则帮助用户精准定义音乐风格,AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化,支持国风融合、C-pop等本土音乐标签,让技术更好地承载人文表达。

QoderWork

QoderWork

阿里Qoder团队推出的桌面端AI智能体

QoderWork 是阿里推出的本地优先桌面 AI 智能体,适配 macOS14+/Windows10+,以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务,自主拆解执行复杂工作流,数据本地运行零上传,技能市场可无限扩展,是高效的 Agentic 生产力办公助手。

lynote.ai

lynote.ai

一站式搞定所有学习需求

不再被海量信息淹没,开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记,检测 AI 内容并下载资料,将您的学习效率提升 10 倍。

AniShort

AniShort

为AI短剧协作而生

专为AI短剧协作而生的AniShort正式发布,深度重构AI短剧全流程生产模式,整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能,独创无限画布、双轨并行工业化工作流与Ani智能体助手,集成多款主流AI大模型,破解素材零散、版本混乱、沟通低效等行业痛点,助力3人团队效率提升800%,打造标准化、可追溯的AI短剧量产体系,是AI短剧团队协同创作、提升制作效率的核心工具。

seedancetwo2.0

seedancetwo2.0

能听懂你表达的视频模型

Seedance two是基于seedance2.0的中国大模型,支持图像、视频、音频、文本四种模态输入,表达方式更丰富,生成也更可控。

nano-banana纳米香蕉中文站

nano-banana纳米香蕉中文站

国内直接访问,限时3折

输入简单文字,生成想要的图片,纳米香蕉中文站基于 Google 模型的 AI 图片生成网站,支持文字生图、图生图。官网价格限时3折活动

扣子-AI办公

扣子-AI办公

职场AI,就用扣子

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建,作为一款AI驱动的设计工具,专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图,显著提升设计品质和效率。平台不仅提供工具,还是一个促进创意交流和个人发展的空间,界面友好,适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台,用户只需一句话简单描述需求,AI能自动生成小程序、APP或H5网页应用,无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

下拉加载更多