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
524
评论数
21
阅读量
192610
One Word
-「」
Latest articles
双卡3090榨干指南:vLLM + DeepSeek-R1-32B 高并发流式推理私有化实操
记录在双路 RTX 3090(48GB 显存)服务器上,基于 vLLM 部署 DeepSeek-R1-Distill-32B 的硬核实操。实测解决多卡 NCCL 互联抖动、FP8 KV Cache 显存压缩、Nginx 反代 SSE 流式截断三大痛点,附压测数据与生产级 Docker Compose 配置。
Python + FastAPI 搭建生产级 LLM 流式代理:连接池、背压与客户端断连排坑实战
直面 LLM 流式网关生产环境痛点:手把手用 Python 和 FastAPI 实现高性能 SSE 代理。深度拆解 httpx 异步连接池泄漏、客户端中途断连导致的算力空耗与 Token 浪费,配合 Nginx 零缓冲配置与 asyncio 任务生命周期管理,打造单机稳定承载数千并发流式响应的网关服务。
榨干单卡24G显存:vLLM + Qwen2.5-32B 生产级高并发API搭建与压测排坑
放弃开箱即用但并发吞吐受限的Ollama,本文手把手教你基于RTX 3090/4090搭建基于vLLM与Qwen2.5-32B-AWQ的生产级LLM接口。涵盖Docker编排、Prefix Caching开启、Nginx流式代理断流避坑以及真实压测数据对比。
告别 OOM 与断流:vLLM + Caddy 搭建生产级高并发流式推理网关实战
针对本地部署开源大模型在高并发场景下频发的 KV Cache 显存溢出、SSE 流式输出截断与首字延迟(TTFT)飙高问题,本文深入解析 vLLM 关键底层参数调优与 Caddy 反代配置实战,提供双卡 RTX 4090/A100 环境下的即插即用生产级部署架构方案。
Mac Studio/MacBook 榨干 Apple Silicon:破解统一内存限制与 MLX 搭建本地大模型服务
针对 Apple Silicon Mac 本地运行 32B/70B 级别大模型频繁 OOM 的痛点,本文实战演示如何突破 macOS 默认的 75% 显存上限,并结合 Apple 原生 MLX 框架与 launchd 守护进程,搭建高吞吐、低延迟的 OpenAI 兼容本地推理服务。
Latest Comments
热评文章
Mac 本地部署 DeepSeek-R1 最佳实践:MLX vs llama.cpp 性能压测与显存优化
在 Apple Silicon(M系列)芯片上本地跑大模型,还在无脑开 Ollama 默认配置?本文基于 M3 Max 与 M2 真实环境,深入对比 llama.cpp 与 Apple 原生 MLX 框架在量化精度、显存占用及推理吞吐量(Token/s)上的实测差异,附带统一内存上限解锁、Metal 编译调优与守护进程自动化配置指南。
单卡4090跑满吞吐:vLLM多并发流式代理架构与KV Cache避坑实战
单张消费级显卡部署高并发开源大模型时,首字延迟突增与显存碎片化是致命痛点。本文基于vLLM结合FastAPI与Nginx构建高并发流式代理架构,拆解PagedAttention显存管理机制,详解真实生产压测数据、Chunked Prefill与多流转发配置,并附赠显存OOM与TCP连接悬挂的硬核排障指南。
NAS玩转本地私有知识库:Docker轻量部署vLLM+Qwen2.5与Dify实战调优
嫌公有云大模型API按量扣费太肉疼?本文分享我在自建TrueNAS/Debian宿主机上,利用Docker容器化低延迟跑通vLLM、Qwen2.5与Dify全功能私有化知识库的实操全流程。深度解析NVIDIA-Container-Toolkit透传、显存与上下文优化、GPU P2P排障及混合检索调优实测。