3
Qwen
提问帖
有回复
请问qwen3.5的专用镜像是不是还不支持AWQ?设备为K100AI
2026-02-27 09:32:39
341

用qwen3.5专用镜像,参考https://developer.sourcefind.cn/modelzoo/list/qwen3.5_vllm/detail?post_id=46176b42-0c0b-11f1-a49f-0242ac150003

部署Qwen3.5-27B-AWQ-4bit模型报错(https://modelscope.cn/models/cyankiwi/Qwen3.5-27B-AWQ-4bit/summary)

报错内容:

attachmentId-image.png


起镜像的命令是:


#!/bin/bash
docker run -it \
--name test_qwen3_5 \
--shm-size 200g \
--network=host \
--name qwen3.5 \
--privileged \
--device=/dev/kfd \
--device=/dev/dri \
--device=/dev/mkfd \
--group-add video \
--cap-add=SYS_PTRACE \
--security-opt seccomp=unconfined \
-u root \
-v /opt/hyhal/:/opt/hyhal/:ro \
--volume /home/test:/root \
--ipc=host \
image.sourcefind.cn:5000/dcu/admin/base/custom:pytorch2.9.1-ubuntu22.04-dtk26.04-0130-py3.10-20260204-qwen3_5 bash

启动vllm的命令是(只用一张K100AI卡):

#!/bin/bash -x
export HIP_VISIBLE_DEVICES=0
export VLLM_LOGGING_LEVEL=DEBUG

export VLLM_SPEC_DECODE_EAGER=1
export VLLM_MLA_DISABLE=0
export VLLM_USE_FLASH_MLA=1
export VLLM_RPC_TIMEOUT=1800000

export VLLM_NUMA_BIND=1
export VLLM_RANK0_NUMA=0
export VLLM_RANK1_NUMA=1
export VLLM_RANK2_NUMA=2
export VLLM_RANK3_NUMA=3
export VLLM_RANK4_NUMA=4
export VLLM_RANK5_NUMA=5
export VLLM_RANK6_NUMA=6
export VLLM_RANK7_NUMA=7

vllm serve /root/models/Qwen3.5-27B-AWQ-4bit \
  --served-model-name Qwen3.5-27B-AWQ-4bit \
  --tensor-parallel-size 1\
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --enable-prefix-caching \
  --gpu-memory-utilization 0.9 \
  --port 9100


Qwen3.5-397B
GPTQ-4bit
全部评论(9)
只看楼主
A
ANYA
1楼
收到您的反馈,我们确认下给您回复
2/27
A
aaatest
回复 @ANYA
试了一下,不用AWQ版本的话,K100AI用2卡可以部署:
#!/bin/bash -x
export HIP_VISIBLE_DEVICES=0,1
export VLLM_LOGGING_LEVEL=DEBUG
export VLLM_SPEC_DECODE_EAGER=1
export VLLM_MLA_DISABLE=0
export VLLM_USE_FLASH_MLA=1
export VLLM_RPC_TIMEOUT=1800000
export VLLM_NUMA_BIND=1
export VLLM_RANK0_NUMA=0
export VLLM_RANK1_NUMA=1
export VLLM_RANK2_NUMA=2
export VLLM_RANK3_NUMA=3
export VLLM_RANK4_NUMA=4
export VLLM_RANK5_NUMA=5
export VLLM_RANK6_NUMA=6
export VLLM_RANK7_NUMA=7
vllm serve /root/models/Qwen3.5-27B \
  --served-model-name Qwen3.5-27B \
  --tensor-parallel-size 2 \
  --max-model-len 262144 \
  --reasoning-parser qwen3 \
  --enable-prefix-caching \
  --gpu-memory-utilization 0.9 \
  --port 9100
2/27
A
ANYA
回复 @aaatest
嗯嗯,量化版本确实存在一点问题,已经在着手解决了。
当前如果您使用量化版本的话,可以尝试增加--enforce-eager和--dtype float16 两个参数,目前测试可以推理,量化版本的问题近期会进行修复
2/27
A
ANYA
回复 @ANYA
vllm serve Qwen3.5-27B-AWQ-4bit --port 8001 --tensor-parallel-size 2 --distributed-executor-backend ray --max-model-len 262144 --reasoning-parser qwen3 --dtype float16 --enforce-eager  具体指令可以参考这里
2/27
全部8条回复
没有更多内容了
--
楼主
Level.2
0 帖子
楼主热帖
暂无数据