absence209/vllm-sm70
absence209
这是针对Tesla V100/SM70硬件优化的vLLM分支镜像，集成AWQ 4位量化与FLASH_ATTN_V100后端，可在Volta架构GPU上高效运行Qwen3.5/3.6 AWQ模型（含稠密及MoE类型）。
下载次数: 0状态：社区镜像维护者：absence209仓库类型：镜像最近更新：1 个月前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
absence209/vllm-sm70 镜像说明
镜像概述
本镜像基于1CatAI/1Cat-vLLM构建，是针对Tesla V100（SM70架构）优化的vLLM分支工具。它集成了AWQ 4位量化技术和FLASH_ATTN_V100后端，适配Volta架构GPU，支持运行Qwen3.5/3.6系列AWQ模型（包括稠密模型和MoE模型），环境基于CUDA 12.8和Python 3.12构建，确保稳定运行。
核心功能
- 硬件适配：针对Tesla V100 GPU优化，充分发挥Volta架构的计算性能；
- 量化支持：兼容AWQ 4位量化模型，有效降低显存占用；
- 高效推理：集成FLASH_ATTN_V100后端，提升注意力机制的计算效率；
- 模型兼容性：支持Qwen3.5/3.6 AWQ格式模型（稠密及MoE类型）；
- 灵活配置：可通过命令行参数传递vLLM serve的相关配置，满足不同场景需求。
使用场景
适用于在Tesla V100 GPU上部署Qwen3.5/3.6 AWQ模型，进行高效的大语言模型推理任务，如AI对话系统、文本生成、智能问答、代码辅助等场景。
配置说明
运行镜像时，需将vLLM serve的参数作为命令传递。常用参数包括：
--model：指定模型路径；--tensor-parallel-size：设置张量并行数量；--dtype：指定数据类型（如float16）；--attention-backend：选择注意力后端（如FLASH_ATTN_V100）；--reasoning-parser：指定推理解析器（如qwen3）。
部署示例
bashdocker run --gpus '"device=0"' -v /models:/models -p 8000:8000 absence209/vllm-sm70 \ --model /models/Qwen3.6-35B-A3B-AWQ \ --tensor-parallel-size 1 \ --dtype float16 \ --attention-backend FLASH_ATTN_V100 \ --reasoning-parser qwen3
该命令将启动vLLM服务，使用指定的Qwen3.6模型，监听8000端口，利用1块GPU进行推理。 ===END===
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 vllm-sm70 镜像标签
docker pull docker.xuanyuan.run/absence209/vllm-sm70:<标签>
DockerHub 原生拉取命令
docker pull absence209/vllm-sm70:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"