https://www.modelscope.cn/docs/VLLM%E6%8E%A8%E7%90%86%E5%8A%A0%E9%80%9F%E4%B8%8E%E9%83%A8%E7%BD%B2 执行:CUDA_VISIBLE_DEVICES=0 swift infer --model_type qwen-7b-chat --infer_backend vllm 报错:ValueError: The model's max seq len (32768) is larger than the maximum number of tokens that can be stored in KV cache (21568). Try increasing gpu_memory_utilization
or decreasing max_model_len
when initializing the engine. ModelScope中错误怎么解决?
加一下--gpu_memory_utilization 0.95 --max_model_len 8192 此回答整理自“魔搭ModelScope开发者联盟群 ①”。
ModelScope旨在打造下一代开源的模型即服务共享平台,为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品,让模型应用更简单!欢迎加入技术交流群:微信公众号:魔搭ModelScope社区,钉钉群号:44837352