55 lines
2.4 KiB
Markdown
55 lines
2.4 KiB
Markdown
# 命令行参数进阶
|
||
|
||
## 推理引擎参数透传
|
||
|
||
### vllm 加速参数优化
|
||
> [!TIP]
|
||
> 如果您已经可以正常使用vllm对vlm模型进行加速推理，但仍然希望进一步提升推理速度，可以尝试以下参数：
|
||
>
|
||
> - 如果您有超过多张显卡，可以使用vllm的多卡并行模式来增加吞吐量：`--data-parallel-size 2`
|
||
|
||
### 参数传递说明
|
||
> [!TIP]
|
||
> - 所有vllm/lmdeploy官方支持的参数都可用通过命令行参数传递给 MinerU，包括以下命令:`mineru`、`mineru-openai-server`、`mineru-gradio`、`mineru-api`
|
||
> - 如果您想了解更多有关`vllm`的参数使用方法，请参考 [vllm官方文档](https://docs.vllm.ai/en/latest/cli/serve.html)
|
||
> - 如果您想了解更多有关`lmdeploy`的参数使用方法，请参考 [lmdeploy官方文档](https://lmdeploy.readthedocs.io/en/latest/llm/api_server.html)
|
||
|
||
## GPU 设备选择与配置
|
||
|
||
### CUDA_VISIBLE_DEVICES 基本用法
|
||
> [!TIP]
|
||
> - 任何情况下，您都可以通过在命令行的开头添加`CUDA_VISIBLE_DEVICES` 环境变量来指定可见的 GPU 设备：
|
||
> ```bash
|
||
> CUDA_VISIBLE_DEVICES=1 mineru -p <input_path> -o <output_path>
|
||
> ```
|
||
> - 这种指定方式对所有的命令行调用都有效，包括 `mineru`、`mineru-openai-server`、`mineru-gradio` 和 `mineru-api`，且对`pipeline`、`vlm`后端均适用。
|
||
|
||
### 常见设备配置示例
|
||
> [!TIP]
|
||
> 以下是一些常见的 `CUDA_VISIBLE_DEVICES` 设置示例：
|
||
> ```bash
|
||
> CUDA_VISIBLE_DEVICES=1 # Only device 1 will be seen
|
||
> CUDA_VISIBLE_DEVICES=0,1 # Devices 0 and 1 will be visible
|
||
> CUDA_VISIBLE_DEVICES="0,1" # Same as above, quotation marks are optional
|
||
> CUDA_VISIBLE_DEVICES=0,2,3 # Devices 0, 2, 3 will be visible; device 1 is masked
|
||
> CUDA_VISIBLE_DEVICES="" # No GPU will be visible
|
||
> ```
|
||
|
||
## 实际应用场景
|
||
|
||
> [!TIP]
|
||
> 以下是一些可能的使用场景：
|
||
>
|
||
> - 如果您有多张显卡，需要指定卡0和卡1，并使用多卡并行来启动`openai-server`，可以使用以下命令：
|
||
> ```bash
|
||
> CUDA_VISIBLE_DEVICES=0,1 mineru-openai-server --engine vllm --port 30000 --data-parallel-size 2
|
||
> ```
|
||
>
|
||
> - 如果您有多张显卡，需要在卡0和卡1上启动两个`fastapi`服务，并分别监听不同的端口，可以使用以下命令：
|
||
> ```bash
|
||
> # 在终端1中
|
||
> CUDA_VISIBLE_DEVICES=0 mineru-api --host 127.0.0.1 --port 8000
|
||
> # 在终端2中
|
||
> CUDA_VISIBLE_DEVICES=1 mineru-api --host 127.0.0.1 --port 8001
|
||
> ```
|