Other 华为手机adb connect连接失败解决方案
一、华为手机设置要求 强调在进行后续操作时,华为手机一定要打开开发者模式,这通常可以在手机的设置中找到“关于手…
Mac macos开启hidpi后第二阶段logo变大的解决方案
一、一键脚本开启 HIDPI 介绍了一种通过一键脚本开启 HIDPI 的方法。这个脚本可能需要科学上网才能获取…
Mac Mac 夜神android模拟器配置桥接
配置桥接,可以实现Mac本机与android模拟器同一个IP段,我主要是用于Mac本机通过android模拟器作为代理上网使用。
Nas的天空
点亮思维火花,畅享数字世界
用户数
1
文章数
514
评论数
21
阅读量
186910
One Word
-「」
Latest articles
NAS玩转本地私有AI:从Ollama+Docker部署到GPU直通与内存分配优化指南
本文记录了在自建TrueNAS/Unraid家庭NAS服务器上,利用Docker与Nvidia GPU直通部署本地大模型(Ollama + Open-WebUI)的实战全流程。涵盖Container Toolkit踩坑记录、上下文窗口显存挤占优化及真实推理Tokens测速。
告别 Ollama 并发瓶颈:vLLM + LiteLLM 搭建生产级本地大模型高并发网关实战
在面对多 Agent 协同与批量推理场景时,Ollama 极易遭遇显存阻塞与并发队列停滞。本文分享如何基于 vLLM 的 PagedAttention 显存优化技术,搭配 LiteLLM 构建高吞吐、低延迟且全兼容 OpenAI 协议的私有大模型 API 网关,内含生产级 Docker Compose 配置、核心参数调优与压测对比。
榨干双卡算力:基于 vLLM + DeepSeek 蒸馏模型的私有化高吞吐部署与显存压榨实战
记录在双卡工作站上利用 vLLM 部署 DeepSeek-R1-Distill 模型的全流程。深入分析 PCIe 带宽瓶颈、NCCL 通信踩坑、KV Cache 内存碎片与 Chunked Prefill 调优,附带生产级 Docker Compose 配置与真实压测吞吐对比。
榨干 Apple Silicon:Mac 本地大模型高并发推理与统一内存调优实战
针对 Apple Silicon (M系列) 统一内存架构,深度评测与调优 llama.cpp (Metal) 与 Apple 原生 MLX 运行 Qwen2.5/DeepSeek 的实战表现。解析突破 macOS 默认 75% 显存配额限制、编译优化、高并发连续批处理(Continuous Batching)流式部署及排坑指南。
本地部署 DeepSeek-R1 32B 踩坑实录:双卡 RTX 3090 + vLLM 高并发推理调优指南
针对个人实验室与中小团队部署推理大模型的显存瓶颈,本文记录了在双卡 RTX 3090(48G 显存)环境下,使用 vLLM 部署 DeepSeek-R1-Distill-Qwen-32B AWQ 量化版的完整实战过程。涵盖 Docker 容器化配置、KV Cache 显存分配调优、Nginx 流式反代超时断流排障及 Ollama 与 vLLM 的并发压测数据对比。
Latest Comments
热评文章
实战踩坑:用 Python + vLLM 搭建生产级大模型流式网关(高并发+背压处理)
本文手把手带你基于 Python、FastAPI 与 vLLM 搭建生产级大模型流式代理网关。深度解析 SSE 长连接内存泄漏、客户端断开连接导致的算力白嫖(背压与取消传播)、流式分词解码乱码等真实生产踩坑经验,并附完整的异步流式反向代理架构与压测对比。
本地vLLM+Nginx流式网关高并发调优:突破TTFT延迟与显存瓶颈实战
针对本地自建大模型API服务在高并发流式响应(SSE)下的卡顿、显存OOM与TTFT首字延迟飙升问题,本文基于vLLM与Nginx构建高并发流式代理生产架构。结合PagedAttention参数调优、流式反向代理缓冲穿透、动态Batching配置与压测实测数据,详解极客运维与工程落地的避坑指南。
单卡4090跑满吞吐:vLLM + LiteLLM 构建私有高并发流式LLM网关实战
面对多业务线直连本地大模型的并发阻塞与显存碎片痛点,本文记录了在一台24G单卡RTX 4090服务器上,利用vLLM PagedAttention配合LiteLLM搭建企业级高并发流式API网关的完整实战。涵盖显存KV Cache压榨配置、SSE流式响应卡顿排查、动态负载均衡与真实压测数据对比。