高性能大型语言模型(LLM)推理服务镜像,专注于解决大模型部署中的高吞吐量、低延迟及资源高效利用问题。 采用PagedAttention技术实现高效内存管理;支持连续批处理(Continuous Batching)提升吞吐量;兼容主流LLM模型(如GPT、LLaMA系列);提供OpenAI API兼容接口;支持多GPU并行推理。 基于Python构建,底层采用CUDA加速及PyTorch深度学习框架,集成PagedAttention内存优化技术,支持gRPC/REST API接口通信。 适用于AI应用后端LLM推理服务、实时对话系统、大规模语言模型部署测试及高并发场景下的LLM服务优化。
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/nvidia-ai-iot/vllm:r38.2.arm64-sbsa-cu130-24.04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