README.zh.md

vLLM Ascend Plugin

| 关于昇腾 | 开发者 Slack (#sig-ascend) |

English | 中文

---

最新消息 🔥

• [2024/12] 我们正在与 vLLM 社区合作，以支持 [RFC]: Hardware pluggable.

---

总览

vLLM 昇腾插件 (vllm-ascend) 是一个让vLLM在Ascend NPU无缝运行的后端插件。

此插件是 vLLM 社区中支持昇腾后端的推荐方式。它遵循[RFC]: Hardware pluggable所述原则：通过解耦的方式提供了vLLM对Ascend NPU的支持。

使用 vLLM 昇腾插件，可以让类Transformer、混合专家(MOE)、嵌入、多模态等流行的大语言模型在 Ascend NPU 上无缝运行。

前提

支持的设备

• Atlas A2 训练系列 (Atlas 800T A2, Atlas 900 A2 PoD, Atlas 200T A2 Box16, Atlas 300T A2)
• Atlas 800I A2 推理系列 (Atlas 800I A2)

依赖

需求	支持的版本	推荐版本	注意
vLLM	main	main	vllm-ascend 依赖
Python	>= 3.9	3.10	vllm 依赖
CANN	>= 8.0.RC2	8.0.RC3	vllm-ascend and torch-npu 依赖
torch-npu	>= 2.4.0	2.5.1rc1	vllm-ascend 依赖
torch	>= 2.4.0	2.5.1	torch-npu and vllm 依赖

在此处了解更多如何配置您环境的信息。

开始使用

Note

目前，我们正在积极与 vLLM 社区合作以支持 Ascend 后端插件，一旦支持，您可以使用一行命令: pip install vllm vllm-ascend 来完成安装。

通过源码安装:

# 安装vllm main 分支参考文档:
# https://docs.vllm.ai/en/latest/getting_started/installation/cpu/index.html#build-wheel-from-source
git clone --depth 1 https://github.com/vllm-project/vllm.git
cd vllm
pip install -r requirements-build.txt
VLLM_TARGET_DEVICE=empty pip install .

# 安装vllm-ascend main 分支
git clone https://github.com/vllm-project/vllm-ascend.git
cd vllm-ascend
pip install -e .

运行如下命令使用 Qwen/Qwen2.5-0.5B-Instruct 模型启动服务:

# 设置环境变量 VLLM_USE_MODELSCOPE=true 加速下载
vllm serve Qwen/Qwen2.5-0.5B-Instruct
curl http://localhost:8000/v1/models

请参阅 vLLM 快速入门以获取更多详细信息。

构建

从源码构建Python包

git clone https://github.com/vllm-project/vllm-ascend.git
cd vllm-ascend
pip install -e .

构建容器镜像

git clone https://github.com/vllm-project/vllm-ascend.git
cd vllm-ascend
docker build -t vllm-ascend-dev-image -f ./Dockerfile .

查看构建和测试以获取更多详细信息，其中包含逐步指南，帮助您设置开发环境、构建和测试。

特性支持矩阵

Feature	Supported	Note
Chunked Prefill	✗	Plan in 2025 Q1
Automatic Prefix Caching	✅	Imporve performance in 2025 Q1
LoRA	✗	Plan in 2025 Q1
Prompt adapter	✅
Speculative decoding	✅	Impore accuracy in 2025 Q1
Pooling	✗	Plan in 2025 Q1
Enc-dec	✗	Plan in 2025 Q1
Multi Modality	✅ (LLaVA/Qwen2-vl/Qwen2-audio/internVL)	Add more model support in 2025 Q1
LogProbs	✅
Prompt logProbs	✅
Async output	✅
Multi step scheduler	✅
Best of	✅
Beam search	✅
Guided Decoding	✗	Plan in 2025 Q1

模型支持矩阵

此处展示了部分受支持的模型。有关更多详细信息，请参阅 supported_models：

Model	Supported	Note
Qwen 2.5	✅
Mistral		Need test
DeepSeek v2.5		Need test
LLama3.1/3.2	✅
Gemma-2		Need test
baichuan		Need test
minicpm		Need test
internlm	✅
ChatGLM	✅
InternVL 2.5	✅
Qwen2-VL	✅
GLM-4v		Need test
Molomo	✅
LLaVA 1.5	✅
Mllama		Need test
LLaVA-Next		Need test
LLaVA-Next-Video		Need test
Phi-3-Vison/Phi-3.5-Vison		Need test
Ultravox		Need test
Qwen2-Audio	✅

贡献

我们欢迎并重视任何形式的贡献与合作：

• 您可以在这里反馈您的使用体验。
• 请通过提交问题来告知我们您遇到的任何错误。
• 请参阅 CONTRIBUTING.zh.md 中的贡献指南。

许可证

Apache 许可证 2.0，如 LICENSE 文件中所示。