从零开始之4.2，基于AutoDL服务器（单卡），通过vllm发布Lora微调模型的API服务，在本地进行调用

说在前面

• 纯小白一个，边学边做，记录学习过程，不专业之处请见谅或能指出感激不尽。

• 这篇是我自己的尝试，咱们学习这个肯定不限于部署一个官方模型，于是乎我就想通过vllm把训练过的模型发布出去，没想到还成功了，只是通过命令执行的方式发布后仅支持语言模型了

• 这篇的操作就没有4.1的详细了只写了关键步骤。

如果具备以下条件，就可以达成标题的目标了：

• 先通关：从零开始，基于Autodl云服务器，通过网页与Qwen2.5-vl-7b-instruct对话-CSDN博客

 https://blog.csdn.net/weixin_43490757/article/details/147482203?fromshare=blogdetail&sharetype=blogdetail&sharerId=147482203&sharerefer=PC&sharesource=weixin_43490757&sharefrom=from_link 

• AutoDL的服务器费用：5元以内。

• 半天时间（其实蛮简单的，只是找bug花了些时间）

————————————————

启动vllm（单卡，带lora权重）

直接指定lora模型路径先试一下能否启动

vllm serve Qwen2.5-VL-7B-Instruct –dtype auto –port 6006 –limit_mm_per_prompt image=4 –max_model_len 8784 –gpu_memory_utilization 0.8 –enable-lora –lora-modules lora1=/root/autodl-tmp/Qwen/Qwen2.5-VL/output/Qwen2_5-VL-7B/checkpoint-183

这里直接执行会报错：ValueError: Call to add_lora method failed: LoRA rank 64 is greater than max_lora_rank 16.

意思是： 我执行的这个LoRA 配置使用一个 rank 为 64 的适配器，但系统中配置的最大 LoRA rank 限制为 16。

修改lora_rank重新训练

于是我修改了tran.py这个训练脚本，如下图所示

如下图所示，执行训练脚本

python tran.py

再次启动vllm（单卡，带lora权重）

再次执行vllm启动命令

vllm serve Qwen2.5-VL-7B-Instruct –dtype auto –port 6006 –limit_mm_per_prompt image=4 –max_model_len 8784 –gpu_memory_utilization 0.8 –enable-lora –lora-modules lora1=/root/autodl-tmp/Qwen/Qwen2.5-VL/output/Qwen2_5-VL-7B/checkpoint-183

如下图所示，一堆警告，不过最后还是执行成功了。

建立隧道连接

参考如下命令，获取实际的 远程主机的用户名和地址和 指定端口号 ，在自己电脑上的命令行界面执行

ssh -CNg -L 8000:127.0.0.1:6006 #远程主机的用户名和地址# -p #指定端口号#  #该命令通过 SSH 建立一个隧道连接，将本地 8000 端口的请求转发到远程服务器的 6006 端口，例：ssh -CNg -L 8000:127

本地调用lora模型

调用下试试，还是可以调用成功的，只不过lora模型调用的结果看起来更简洁。