FastDeploy 2.0: 大模型推理部署

FastDeploy升级2.0版本支持多种大模型推理（当前仅支持Qwen2，更多模型即将更新支持)，其推理部署功能涵盖：

• 一行命令即可快速实现模型的服务化部署，并支持流式生成
• 利用张量并行技术加速模型推理
• 支持 PagedAttention 与 continuous batching（动态批处理）
• 兼容 OpenAI 的 HTTP 协议
• 提供 Weight only int8/int4 无损压缩方案
• 支持 Prometheus Metrics 指标

注意: 如果你还在使用FastDeploy部署小模型(如PaddleClas/PaddleOCR等CV套件模型)，请checkout release/1.1.0分支。

环境依赖

• A800/H800/H100
• Python>=3.10
• CUDA>=12.3
• CUDNN>=9.5
• Linux X64

安装

Docker安装(推荐)

docker pull ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/fastdeploy:2.0.0.0-alpha

源码安装

安装PaddlePaddle

注意安装nightly build版本，代码版本需新于2025.05.30，详见PaddlePaddle安装，指定安装CUDA 12.6 develop(Nightly build)版本。

python -m pip install --pre paddlepaddle-gpu -i https://www.paddlepaddle.org.cn/packages/nightly/cu126/

编译安装FastDeploy

# 编译
cd FastDeploy
bash build.sh
# 安装
pip install dist/fastdeploy-2.0.0a0-py3-none-any.whl

快速使用

在安装后，执行如下命令快速部署Qwen2模型, 更多参数的配置与含义参考参数说明.

# 下载与解压Qwen模型
wget https://fastdeploy.bj.bcebos.com/llm/models/Qwen2-7B-Instruct.tar.gz && tar xvf Qwen2-7B-Instruct.tar.gz
# 指定单卡部署
python -m fastdeploy.entrypoints.openai.api_server --model ./Qwen2-7B-Instruct --port 8188 --tensor-parallel-size 1

使用如下命令请求模型服务

curl -X POST "http://0.0.0.0:8188/v1/chat/completions" \
-H "Content-Type: application/json" \
-d '{
  "messages": [
    {"role": "user", "content": "你好，你的名字是什么？"}
  ]
}'

响应结果如下所示

{
    "id": "chatcmpl-db662f47-7c8c-4945-9a7a-db563b2ddd8d",
    "object": "chat.completion",
    "created": 1749451045,
    "model": "default",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "你好！我叫通义千问。",
                "reasoning_content": null
            },
            "finish_reason": "stop"
        }
    ],
    "usage": {
        "prompt_tokens": 25,
        "total_tokens": 35,
        "completion_tokens": 10,
        "prompt_tokens_details": null
    }
}

FastDeploy提供与OpenAI完全兼容的服务API(字段model与api_key目前不支持，设定会被忽略)，用户也可基于openai python api请求服务。

部署文档

• 本地部署
• 服务部署
• 服务metrics
• 调度Scheduler

代码说明

• 代码目录说明
• FastDeploy的使用中存在任何建议和问题，欢迎通过issue反馈。

开源说明

FastDeploy遵循Apache-2.0开源协议。 在本项目的开发中，为了对齐vLLM使用接口，参考和直接使用了部分vLLM代码，在此表示感谢。