Text Generation Inference是部署和服务大型语言模型(LLMs)的工具包,支持主流开源LLM的高性能文本生成。 支持Llama、Falcon等主流开源LLM部署;多GPU张量并行(Tensor Parallelism)加速推理;连续批处理(Continuous batching)提升请求吞吐量;集成bitsandbytes、GPT-Q等多种量化技术;提供与OpenAI Chat Completion API兼容的消息接口。 基于Rust、Python和gRPC构建服务端,采用transformers模型架构,通过Flash Attention和Paged Attention优化推理性能,使用NCCL实现分布式通信,支持Open Telemetry分布式追踪和Prometheus指标监控。 适用于生产环境下的LLM服务部署,包括聊天应用、推理API服务、企业级大模型服务端点等场景,支持Nvidia、AMD等多硬件平台。
请登录使用轩辕镜像享受快速拉取体验,支持国内访问优化,速度提升
docker pull ghcr.io/huggingface/text-generation-inference:sha-52c6ddd-trtllm探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录认证访问私有仓库
无需登录使用专属域名
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
VS Code Dev Containers 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
Harbor Proxy Repository 对接专属域名
Portainer Registries 加速拉取
Nexus3 Docker Proxy 内网缓存
需要其他帮助?请查看我们的 常见问题Docker 镜像访问常见问题解答 或 提交工单
manifest unknown
no matching manifest(架构)
invalid tar header(解压)
TLS 证书失败
DNS 超时
410 Gone 排查
402 与流量用尽
401 认证失败
429 限流
D-Bus 凭证提示
413 与超大单层
来自真实用户的反馈,见证轩辕镜像的优质服务