mirror of
https://github.com/kvcache-ai/ktransformers.git
synced 2026-11-05 01:07:28 +00:00
[GH-ISSUE #1181] [Bug] serve模式启动服务失败 #812
Labels
No milestone
No project
No assignees
1 participant
Notifications
Due date
No due date set.
Dependencies
No dependencies set.
Reference
kvcache-ai/ktransformers#812
Loading…
Add table
Add a link
Reference in a new issue
No description provided.
Delete branch "%!s()"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
Originally created by @zhaoyukoon on GitHub (Apr 22, 2025).
Original GitHub issue: https://github.com/kvcache-ai/ktransformers/issues/1181
检查清单
问题描述
我仿照说明中可以启动以docker方式ktransformers serve模式。我希望减少显存使用,因此尝试减少并发、cache_size、max_new_tokens,总是会报错。
复现步骤
我使用docker compose方式启动deepseek-r1服务:
显卡是4090,可以正常启动,占用17GB显存。现在我希望降低显存占用到16GB以下,以使用其他显卡。
我尝试修改
运行总是会得到如下错误:
环境信息
ubuntu 24.04, AMD9135x2, 48GBx24, NVIDIA 4090 24GB
@zhaoyukoon commented on GitHub (Apr 22, 2025):
可以正常启动服务,且显存使用15.7GB。
不过我看启动过程中会有峰值20GB的情况,不确定在16GB显卡能否正常启动。
@qiyuxinlin commented on GitHub (Apr 22, 2025):
@zhaoyukoon 您好,ktransformers 峰值显存会出现在 lm_head 解量化过程中,这部分权重需要 10GB 以上显存,您加载的镜像(历史版本)会先申请 kvcache 再加载模型,可能会导致 OOM,主线代码现在会先加载模型后再申请 kvcache,但是我也不确定 16G 能不能成功运行起来
@zhaoyukoon commented on GitHub (Apr 23, 2025):
我今天做了测试,我先启动一个qwen2.5-7b模型占用了8GB显存,剩余16GB显存。
我再通过docker 启动 ktransformers,可以正常启动。
多谢!