跳到内容
vLLM
摘要
正在初始化搜索
GitHub
主页
用户指南
开发者指南
API 参考
CLI 参考
社区
vLLM
GitHub
主页
用户指南
用户指南
用户指南
vLLM V1
通用
通用
常见问题解答
生产指标
可复现性
安全
故障排除
使用情况统计收集
推理与服务
推理与服务
离线推理
兼容 OpenAI 的服务器
分布式推理与服务
集成
部署
部署
使用 Docker
使用 Kubernetes
使用 Nginx
框架
集成
训练
训练
基于人类反馈的强化学习
Transformers 强化学习
配置
配置
摘要
节省内存
引擎参数
环境变量
模型解析
优化与调优
服务器参数
模型
模型
支持的模型
生成模型
池化模型
扩展
特性
特性
兼容性矩阵
自动前缀缓存
解耦预填充 (实验性)
LoRA 适配器
多模态输入
Prompt 嵌入输入
推理输出
推测解码
结构化输出
工具调用
量化
开发者指南
API 参考
CLI 参考
社区
配置选项
¶
本节列出了运行 vLLM 的最常用选项。
配置主要有三个层级,优先级从高到低依次为
请求参数
和
输入参数
引擎参数
环境变量
回到顶部