跳转至

Qwen2-VL-7B-Instruct 昇腾部署指南

1. 背景

1.1 模型简介

Qwen2-VL-7B-Instruct 是阿里云研发的大规模视觉语言模型(Large Vision Language Model, LVLM),可以以图像、文本、视频作为输入,并以文本作为输出。该模型支持多种分辨率和宽高比的图像理解,以及超过20分钟的视频理解能力。

1.2 版本兼容性

组件 版本要求
MindIE 1.0.0+
CANN 8.0.RC1+
Atlas 硬件 800I A2 32G/64G
操作系统 OpenEuler 24.03 LTS
Python 3.11+

2. 环境准备

2.1 前置条件检查

在开始部署前,请确认以下条件:

  1. 硬件检查:确认 Atlas 800I A2 设备正常工作
npu-smi info
  1. 驱动检查:确认昇腾驱动已正确安装
cat /usr/local/Ascend/driver/version.info
  1. Docker 环境:确认 Docker 已安装并可正常使用

2.2 模型准备

目前提供的MindIE镜像预置了 Qwen2-VL-7B-Instruct 模型推理脚本,无需使用本仓库自带的atb_models中的代码。

2.3 镜像下载与加载

前往昇腾社区/开发资源下载适配本模型的镜像包:1.0.0-800I-A2-py311-openeuler24.03-lts

完成之后,请使用docker images命令确认查找具体镜像名称与标签。


3. 硬件要求

3.1 Atlas 800I A2 32G 配置

  • 最低要求:1台 Atlas 800I A2 32G 服务器
  • 推荐配置:8卡并行部署
  • 内存要求:至少 64GB 系统内存
  • 存储要求:至少 50GB 可用存储空间

3.2 Atlas 800I A2 64G 配置

  • 最低要求:1台 Atlas 800I A2 64G 服务器
  • 推荐配置:4卡或8卡并行部署
  • 内存要求:至少 128GB 系统内存
  • 存储要求:至少 50GB 可用存储空间

4. 容器部署

4.1 创建容器

4.1.1 基础启动命令

docker run -dit -u root \
--name ${容器名} \
-e ASCEND_RUNTIME_OPTIONS=NODRV \
--privileged=true \
-v /home/path:/home/path \
-v /data:/data \
-v /usr/local/Ascend/driver/:/usr/local/Ascend/driver/ \
-v /usr/local/Ascend/firmware/:/usr/local/Ascend/firmware/ \
-v /usr/local/sbin/:/usr/local/sbin \
-v /etc/ascend_install.info:/etc/ascend_install.info \
-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
-v /usr/local/dcmi:/usr/local/dcmi \
--device=/dev/davinci_manager \
--device=/dev/devmm_svm \
--device=/dev/hisi_hdc \
--shm-size=100g \
-p ${映射端口}:22 \
--cap-add=SYS_PTRACE \
--security-opt seccomp=unconfined \
${MindIE镜像名称:标签} \
/bin/bash

4.1.2 参数说明

参数 说明 示例值
${容器名} 自定义容器名称 qwen2-vl-container
/home/路径 宿主机数据目录路径 /home/user/data
${映射端口} SSH端口映射 2222
${MindIE镜像名称:标签} 下载的MindIE镜像完整名称 ascendhub.huawei.com/xxx:1.0.0-800I-A2-py311-openeuler24.03-lts

4.1.3 启动示例

docker run -dit -u root \
--name qwen2-vl-container \
-e ASCEND_RUNTIME_OPTIONS=NODRV \
--privileged=true \
-v /home/user/models:/home/user/models \
-v /data:/data \
-v /usr/local/Ascend/driver/:/usr/local/Ascend/driver/ \
-v /usr/local/Ascend/firmware/:/usr/local/Ascend/firmware/ \
-v /usr/local/sbin/:/usr/local/sbin \
-v /etc/ascend_install.info:/etc/ascend_install.info \
-v /usr/local/bin/npu-smi:/usr/local/bin/npu-smi \
-v /usr/local/dcmi:/usr/local/dcmi \
--device=/dev/davinci_manager \
--device=/dev/devmm_svm \
--device=/dev/hisi_hdc \
--shm-size=100g \
-p 2222:22 \
--cap-add=SYS_PTRACE \
--security-opt seccomp=unconfined \
your-mindie-image:1.0.0-800I-A2-py311-openeuler24.03-lts \
/bin/bash

4.2 进入容器并安装依赖

4.2.1 进入容器

docker exec -it ${容器名} bash

4.2.2 安装Python依赖

cd /usr/local/Ascend/atb-models
pip install -r requirements/models/requirements_qwen2_vl.txt

5. 纯模型推理

5.1 配置推理脚本

修改 /usr/local/Ascend/atb-models/examples/models/qwen2_vl/run_pa.sh 脚本中的关键参数:

5.1.1 Atlas 800I A2 32G 配置

# 设置卡数,Atlas-800I-A2-32G必须八卡
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7

# 模型权重路径(请确保路径存在且包含完整的模型文件)
model_path="/data/Qwen2-VL-7B-Instruct/"

# 批次大小,底层使用continuous batching逻辑
max_batch_size=1

# 最大输入长度,输入长视频或者较大分辨率图片时,需要设置较大的值
# kv cache会根据最大输入长度、最大输出长度以及bs进行预分配,设置太大会影响吞吐
max_input_length=8192

# 最大输出长度
max_output_length=80

# 输入图片或视频文件路径(支持格式:jpg/png/jpeg/mp4/wmv/avi)
input_image="/data/test_images/sample.jpg"

# 用户prompt,默认放置在图片后
input_text="Explain the details in the image."

# 数据集路径(优先级比input_image高)
# 若要推理整个数据集,在base_cmd入参中添加 --dataset_path $dataset_path
dataset_path="/data/test_images"

# 共享内存name保存路径,任意位置的一个txt即可
shm_name_save_path="./shm_name.txt"

5.1.2 Atlas 800I A2 64G 配置

# 设置卡数,Atlas-800I-A2-64G四卡或八卡均可
export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3,4,5,6,7  # 8卡配置
# export ASCEND_RT_VISIBLE_DEVICES=0,1,2,3        # 4卡配置

# 其他参数可根据需要调整batch_size等
max_batch_size=4  # 64G版本可以设置更大的batch_size

5.1.3 参数详细说明

参数名 说明 推荐值 注意事项
max_batch_size 批处理大小 32G: 1-4;64G: 4-32 影响内存使用和吞吐量
max_input_length 最大输入token长度 8192 处理长视频时可适当增加
max_output_length 最大输出token长度 80-512 根据应用需求调整
input_image 输入文件路径 绝对路径 确保文件存在且格式支持

5.2 运行推理

bash /usr/local/Ascend/atb-models/examples/models/qwen2_vl/run_pa.sh

5.3 性能基准测试

5.3.1 Atlas 800I A2 32G 性能数据

测试配置:

  • max_batch_size=4
  • max_input_length=8192
  • max_output_length=80
  • input_image="/data/test_images/1902x1080.jpg"

测试结果:

  • 总token数:320
  • 总耗时:7.44秒
  • 吞吐量:43 tokens/s

5.3.2 Atlas 800I A2 64G 性能数据

测试配置:

  • max_batch_size=32
  • max_input_length=8192
  • max_output_length=80
  • input_image="/data/test_images/1902x1080.jpg"

测试结果:

  • 总token数:2560
  • 总耗时:25.912秒
  • 吞吐量:98.79 tokens/s

注意:更详细的性能数据(如首token时延、内存使用等)请参考终端performance输出。实际性能可能因硬件配置、模型版本、输入数据等因素而有所差异。


6. 服务化推理

6.1 配置服务

6.1.1 编辑配置文件

vim /usr/local/Ascend/mindie/latest/mindie-service/conf/config.json

6.1.2 关键配置项说明

{
  "Version": "1.0.0",
  "LogConfig": {
    "logLevel": "Info",
    "logFileSize": 20,
    "logFileNum": 20,
    "logPath": "logs/mindservice.log"
  },
  "ServerConfig": {
    "ipAddress": "127.0.0.1",
    "port": 1040, // 主服务端口,可自定义
    "managementPort": 1041, // 管理端口,可自定义
    "metricsPort": 1042, // 监控端口,可自定义
    "maxLinkNum": 200,
    "httpsEnabled": false,
    "timeoutInSeconds": 300
  },
  "BackendConfig": {
    "npuDeviceIds": [[0, 1, 2, 3, 4, 5, 6, 7]], // NPU设备ID配置
    "ModelDeployConfig": {
      "maxSeqLen": 50000,
      "maxInputTokenLen": 50000,
      "truncation": false,
      "ModelConfig": [
        {
          "modelInstanceType": "Standard",
          "modelName": "qwen2_vl", // 建议使用qwen2_vl便于benchmark测试
          "modelWeightPath": "/data/Qwen2-VL-7B-Instruct", // 模型权重路径
          "worldSize": 8, // 并行度,需与npuDeviceIds数量一致
          "npuMemSize": 8, // KV cache分配,单位GB,需给VIT预留显存空间
          "maxBatchSize": 32,
          "maxInputTokens": 8192,
          "maxOutputTokens": 512
        }
      ]
    },
    "ScheduleConfig": {
      "maxPrefillTokens": 50000,
      "maxIterTimes": 4096,
      "maxBatchSize": 32,
      "maxWaitingTimeInMs": 100
    }
  }
}

6.1.3 配置参数优化建议

硬件配置 npuMemSize maxBatchSize worldSize 说明
Atlas 800I A2 32G 8-10 4-8 8 保守配置,稳定性优先
Atlas 800I A2 64G 16-20 16-32 8 性能配置,吞吐量优先

重要提示:npuMemSize 切勿设置为 -1,需要给 VIT(视觉编码器)预留足够的显存空间。

6.2 启动服务

6.2.1 设置环境变量

export MASTER_ADDR=localhost
export MASTER_PORT=7896

6.2.2 启动服务进程

cd /usr/local/Ascend/mindie/latest/mindie-service/bin
./mindieservice_daemon

6.2.3 检查服务状态

# 检查服务是否正常启动
curl http://127.0.0.1:1041/health

# 查看服务日志
tail -f /usr/local/Ascend/mindie/latest/mindie-service/logs/mindservice.log

6.3 API 接口测试

6.3.1 VLLM 兼容接口

curl -X POST http://127.0.0.1:1040/generate \
-H "Content-Type: application/json" \
-d '{
  "prompt": [
    {
      "type": "image_url",
      "image_url": "file:///data/test_images/sample.jpg"
    },
    {
      "type": "text",
      "text": "Explain the details in the image."
    }
  ],
  "max_tokens": 512,
  "stream": false,
  "do_sample": true,
  "repetition_penalty": 1.00,
  "temperature": 0.01,
  "top_p": 0.001,
  "top_k": 1,
  "model": "qwen2_vl"
}'

6.3.2 OpenAI 兼容接口

curl -X POST http://127.0.0.1:1040/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
  "model": "qwen2_vl",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "image_url",
          "image_url": {
            "url": "file:///data/test_images/sample.jpg"
          }
        },
        {
          "type": "text",
          "text": "Explain the details in the image."
        }
      ]
    }
  ],
  "max_tokens": 512,
  "stream": false,
  "do_sample": true,
  "repetition_penalty": 1.00,
  "temperature": 0.01,
  "top_p": 0.001,
  "top_k": 1
}'

6.3.3 流式输出示例

curl -X POST http://127.0.0.1:1040/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{
  "model": "qwen2_vl",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "描述这张图片的内容"
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "file:///data/test_images/sample.jpg"
          }
        }
      ]
    }
  ],
  "max_tokens": 512,
  "stream": true,
  "temperature": 0.7
}'

7. 故障排除

7.1 常见问题及解决方案

  1. 服务启动失败
  2. 检查NPU设备状态:npu-smi info
  3. 检查端口占用:netstat -tlnp | grep 1040
  4. 查看详细日志:tail -f logs/mindservice.log

  5. 内存不足错误

  6. 降低 npuMemSize 参数
  7. 减少 maxBatchSize 设置
  8. 检查模型文件完整性

  9. 推理速度慢

  10. 调整 maxBatchSize 参数
  11. 优化 maxInputTokenLen 设置
  12. 检查硬件资源使用情况

  13. 图片加载失败

  14. 确认图片路径正确且可访问
  15. 检查图片格式是否支持
  16. 验证文件权限设置