模型服务
为生产推理服务您训练好的模型。聊天界面
测试和与模型交互的最简单方法:http://localhost:7860/inference 打开 Web 界面。Chat UI 允许您加载任何本地或 Hub 模型进行交互式测试。
自定义端口
自定义主机
API 服务器
API 服务器是一个训练运行器,不是推理服务器。它在运行训练作业时暴露用于健康检查的最小端点。启动 API 服务器
http://127.0.0.1:7860 启动训练 API。
参数
自定义端口/主机
环境变量
API 服务器从环境变量读取配置:端点
当没有活动训练作业时,API 服务器会自动关闭。对于生产推理,请改用 vLLM 或 TGI。
生产部署
使用 vLLM
用于高吞吐量的生产级服务:使用 Text Generation Inference (TGI)
OpenAI 兼容 API
vLLM 和 TGI 都提供 OpenAI 兼容端点:Docker 部署
Dockerfile 示例
使用 GPU
负载测试
使用 hey
使用 locust
监控
Prometheus 指标
如果使用 vLLM 或 TGI,指标在/metrics 可用。
日志记录
下一步
基准测试
测量模型性能
聊天界面
交互式测试