Update to vllm-0.9.2

README.md

@@ -19,11 +19,10 @@ Qwen3嵌入模型系列是Qwen3家族最新的专有模型，专门为文本嵌
 
 ### Docker（方法一）
 ```bash
-docker pull docker pull image.sourcefind.cn:5000/dcu/admin/base/vllm:0.8.5-ubuntu22.04-dtk25.04.1-rc5-das1.6-py3.10-20250711
+docker pull image.sourcefind.cn:5000/dcu/admin/base/vllm:0.9.2-ubuntu22.04-dtk25.04.1-rc5-rocblas101839-0811-das1.6-py3.10-20250812-beta
 docker run -it --shm-size 200g --network=host --name {docker_name} --privileged --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro {imageID} bash
 
 cd /your_code_path/qwen3-reranker_pytorch
-pip install transformers>=4.51.0
 ```
 
 ### Dockerfile（方法二）
@@ -33,7 +32,6 @@ docker build --no-cache -t qwen3-reranker:latest .
 docker run -it --shm-size 200g --network=host --name {docker_name} --privileged --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -u root -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal/:/opt/hyhal/:ro {imageID} bash
 
 cd /your_code_path/qwen3-reranker_pytorch
-pip install transformers>=4.51.0
 ```
 
 ### Anaconda（方法三）
@@ -41,9 +39,9 @@ pip install transformers>=4.51.0
 ```bash
 DTK: 25.04
 python: 3.10
-vllm: 0.8.5
-torch: 2.4.1+das.opt2.dtk2504
-deepspeed: 0.14.2+das.opt2.dtk2504
+vllm: 0.9.2+das.opt1.beta.dtk25041
+torch: 2.5.1+das.opt1.dtk25041
+deepspeed: 0.14.2+das.opt1.dtk25041
 ```
 `Tips：以上dtk驱动、python、torch等DCU相关工具版本需要严格一一对应`
 
@@ -60,17 +58,34 @@ pip install transformers>=4.51.0
 
 ## 推理
 ### vllm推理方法
-
-vllm 0.8.5不支持serve模式启动推理，offline方式请参考项目脚本`infer_vllm.py`。
-
 #### offline
 ```bash
 ## 必须添加HF_ENDPOINT环境变量
 export HF_ENDPOINT=https://hf-mirror.com
+export VLLM_USE_NN=0
+export ALLREDUCE_STREAM_WITH_COMPUTE=1
 ## model_name_or_path 模型地址参数
 python infer_vllm.py --model_name_or_path /path/your_model_path/
 ```
 
+#### serve
+export HF_ENDPOINT=https://hf-mirror.com
+export VLLM_USE_NN=0
+export ALLREDUCE_STREAM_WITH_COMPUTE=1
+
+```bash
+vllm serve Qwen/Qwen3-Reranker-0.6B --max-model-len 4096 --trust-remote-code --enforce-eager --enable-prefix-caching --served-model-name Qwen3-reranker --task score --disable-log-requests --hf_overrides '{"architectures":["Qwen3ForSequenceClassification"],"classifier_from_token": ["no", "yes"],"is_original_qwen3_reranker": true}'
+```
+
+测试命令：
+```bash
+curl http://127.0.0.1:8000/score   -H 'accept: application/json'   -H 'Content-Type: application/json'   -d '{
+    "text_1": "ping",
+    "text_2": "pong",
+    "model": "Qwen3-reranker"
+  }'
+```
+
 ## result
 <div align=center>
     <img src="./doc/results-dcu.png"/>

docker/Dockerfile

-FROM image.sourcefind.cn:5000/dcu/admin/base/custom:vllm0.8.5-ubuntu22.04-dtk25.04-rc7-das1.5-py3.10-20250612-fixpy-rocblas0611-rc2
+FROM image.sourcefind.cn:5000/dcu/admin/base/vllm:0.9.2-ubuntu22.04-dtk25.04.1-rc5-rocblas101839-0811-das1.6-py3.10-20250812-beta
\ No newline at end of file