跳转到主要内容

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

默认在 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

构建并运行:

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