跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
T

tutu

@tutu
取消关注 关注
关于
帖子
14
主题
2
分享
0
群组
0
粉丝
0
关注
0

帖子

最新 最佳 有争议的

  • 双RTX2080ti 22G nvlink llama.cpp 跑Qwen3.8-27B实战
    T tutu
    LLM讨论区 llama.cpp qwen-27b rtx2080ti

    配置如下:

    • cpu i5-10600k

    • 主板 Z490 arous pro ax

    • 内存 16+8+16+8 共48G

    • 显卡 RTX2080ti 22G x2 nvlink (300瓦bios水冷)

    推理框架:自编译llama.cpp docker镜像(官方镜像不支持nccl通信)
    dockerfile

    # syntax=docker/dockerfile:1
    # CUDA 13.0.3 + NCCL build for RTX 2080 Ti (SM 75) / llama.cpp tensor parallelism
    
    ARG CUDA_VERSION=13.0.3
    ARG UBUNTU_VERSION=24.04
    ARG LLAMA_CPP_REF=b10362
    
    FROM nvidia/cuda:${CUDA_VERSION}-devel-ubuntu${UBUNTU_VERSION} AS build
    
    ARG LLAMA_CPP_REF
    ARG CUDA_ARCH=75
    ARG BUILD_JOBS=4
    
    ENV DEBIAN_FRONTEND=noninteractive \
        CC=gcc-13 \
        CXX=g++-13 \
        CUDAHOSTCXX=g++-13
    
    # The CUDA Ubuntu repository in the NVIDIA CUDA base image supplies libnccl-dev.
    RUN apt-get update && apt-get install -y --no-install-recommends \
            ca-certificates git cmake make \
            gcc-13 g++-13 \
            libnccl-dev \
        && rm -rf /var/lib/apt/lists/*
    
    WORKDIR /src
    RUN git clone --depth 1 --branch "${LLAMA_CPP_REF}" https://github.com/ggml-org/llama.cpp.git .
    
    RUN cmake -S . -B build \
            -DCMAKE_BUILD_TYPE=Release \
            -DCMAKE_CUDA_ARCHITECTURES=${CUDA_ARCH} \
            -DGGML_NATIVE=OFF \
            -DGGML_CUDA=ON \
            -DGGML_CUDA_NCCL=ON \
            -DGGML_BACKEND_DL=ON \
            -DLLAMA_BUILD_TESTS=OFF \
            -DLLAMA_BUILD_EXAMPLES=ON \
        # CMake's install manifest includes the enabled example binaries.  Build all
        # enabled targets before installing, rather than just llama-server.
        && cmake --build build -j${BUILD_JOBS} \
        && cmake --install build --prefix /opt/llama
    
    # The user has the CUDA devel image locally, so use it as the runtime base too.
    # Change this to nvidia/cuda:${CUDA_VERSION}-runtime-ubuntu${UBUNTU_VERSION}
    # once that runtime image is available locally.
    FROM nvidia/cuda:${CUDA_VERSION}-devel-ubuntu${UBUNTU_VERSION} AS server
    
    ENV DEBIAN_FRONTEND=noninteractive \
        LLAMA_ARG_HOST=0.0.0.0 \
        LD_LIBRARY_PATH=/opt/llama/lib:${LD_LIBRARY_PATH}
    
    RUN apt-get update && apt-get install -y --no-install-recommends \
            ca-certificates curl libgomp1 libnccl2 \
        && rm -rf /var/lib/apt/lists/*
    
    COPY --from=build /opt/llama /opt/llama
    RUN ldconfig \
        && ldd /opt/llama/bin/llama-server | grep -E 'nccl|not found' || true
    
    WORKDIR /opt/llama
    EXPOSE 8080
    HEALTHCHECK --interval=30s --timeout=5s --start-period=30s --retries=3 \
        CMD curl -fsS http://localhost:8080/health || exit 1
    
    ENTRYPOINT ["/opt/llama/bin/llama-server"]
    
     docker build --no-cache --progress=plain   -f Dockerfile.llama-cpp-cuda130-nccl   -t llama.cpp:cuda13.0.3-nccl-sm75   --build-arg LLAMA_CPP_REF=master   --build-arg CUDA_ARCH=75   --build-arg BUILD_JOBS=4 .
    
    -m /models/Qwen3.8-27B.Q6_K.gguf --alias Qwen3.8-27B -mm /models/Qwen3.8-27B.mmproj-q8_0.gguf --host 0.0.0.0 --port 8080  --fit off  -c 262144 -np 2 -ngl -1 --threads 6 --threads-batch 12 --split-mode tensor --flash-attn on --spec-type draft-mtp --spec-draft-n-max 3 --no-context-shift --jinja --cache-type-k q8_0 --cache-type-v q8_0 -cram 12288 -ctxcp 32 -kvu --temp 0.6 --top-p 0.5 --top-k 15 --chat-template-kwargs "{\"enable_thinking\":true,\"preserve_thinking\":false,\"reasoning_effort\":\"medium\"}" --api-key xxxx --no-ui  
    

    2080 Ti 22GB ×2 性能测试

    并发数:1|超时:30s

    提示词长度 预填充耗时 预填充速度 输出长度 输出耗时 输出速度
    2,048 tokens 2,266.30 ms 903.68 tokens/s 512 tokens 8,504.73 ms 60.20 tokens/s
    4,096 tokens 4,151.52 ms 986.63 tokens/s 512 tokens 7,855.27 ms 65.18 tokens/s
    6,144 tokens 6,126.74 ms 1,002.82 tokens/s 512 tokens 8,005.43 ms 63.96 tokens/s
    8,192 tokens 8,136.60 ms 1,006.81 tokens/s 512 tokens 8,021.08 ms 63.83 tokens/s
    10,240 tokens 10,208.45 ms 1,003.09 tokens/s 512 tokens 6,271.73 ms 81.64 tokens/s

    所有测试均为 1/1 并发成功。

    总体性能
    **预填充吞吐范围:**903.68~1,006.81 tokens/s
    **输出吞吐范围:**60.20~81.64 tokens/s
    **平均预填充吞吐:**980.61 tokens/s
    **平均输出吞吐:**66.96 tokens/s

    2080 Ti 22GB ×2 性能测试

    并发数:2|超时:30s

    提示词长度 预填充耗时 总预填充速度 输出长度 输出耗时 总输出速度
    2,048 tokens 3,852.35 ms 1,063.25 tokens/s 512 tokens 12,374.84 ms 82.75 tokens/s
    4,096 tokens 7,779.40 ms 1,053.04 tokens/s 512 tokens 13,557.93 ms 75.53 tokens/s
    6,144 tokens 12,875.19 ms 954.39 tokens/s 512 tokens 12,327.89 ms 83.06 tokens/s
    8,192 tokens 17,385.96 ms 942.37 tokens/s 512 tokens 13,142.39 ms 77.92 tokens/s
    10,240 tokens 14,149.75 ms 1,447.38 tokens/s 512 tokens 16,787.24 ms 61.00 tokens/s

    所有测试均为 2/2 并发成功。

    总体性能
    **总预填充吞吐范围:**942.37~1,447.38 tokens/s
    **总输出吞吐范围:**61.00~83.06 tokens/s
    **平均总预填充吞吐:**1,092.09 tokens/s
    **平均总输出吞吐:**76.05 tokens/s


  • 我的ai硬件方案分享
    T tutu
    AI硬件 rtx2080ti rtx3090 多卡部署

    机器1:模型推理机
    CPU:i5-10600K
    主板:技嘉z490 auros pro ax
    内存:16+8+8+16
    硬盘:东芝xg3 512g + 镁光5100pro 960g
    显卡:RTX2080ti 22G X2 nvlink
    电源:鑫谷gm1250 atx3.0

    机器2:模型+智能体混合机
    CPU:i7-11800H
    主板:铭瑄11800H板U
    内存:32+32
    硬盘:三星970pro 512g + 英特尔s3610 800G
    显卡:RTX3090
    电源:先马xp1000 V3

    机器3:飞牛存储服务器
    CPU:i7-7700
    主板:华硕b150m-plus-d3
    内存:8+8+8+8
    硬盘:三星sm961 256g + 东芝mg08 8Tx2 + 西数紫盘4Tx2
    电源:鑫谷gp700G 黑金全模组
    网卡:扩展rtl8125网卡

    部署情况
    机器1:gpustack ,(qwen3.6-35b-a3b,qwen3-embedding,qwen3-rerank)常驻 ,ragflow,obsidian
    机器2:1panel,gpustack,(qwen3.6-27b,comfy-ui )按需,harmes以及杂七杂八的容器

  • 登录

  • 登录或注册以进行搜索。
  • 第一个帖子
    最后一个帖子
0
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组