Jetson-Containers项目vLLM容器在AGX Orin上运行Qwen2.5模型的技术解析
2025-06-27 23:52:12作者:胡唯隽
问题背景
在NVIDIA Jetson AGX Orin开发者套件(64GB版本)上,用户尝试通过jetson-containers项目提供的vLLM容器运行Qwen2.5-14B-Instruct-GPTQ-Int4模型时遇到了CUDA内核执行错误。该设备运行Ubuntu 22.04.5 LTS系统,搭载JetPack 6.1版本和CUDA 12.6工具包。
错误分析
当用户执行vLLM的API服务启动命令时,系统报告了一个关键错误:"CUDA error: no kernel image is available for execution on the device"。这个错误表明CUDA内核无法在当前设备上执行,通常由以下原因导致:
- 内核编译时未包含对当前GPU架构的支持
- 内核与当前CUDA运行时版本不兼容
- 容器内的CUDA环境与主机不匹配
技术细节
错误发生在模型权重处理阶段,具体是在Marlin量化内核尝试对权重进行排列变换时。Marlin是vLLM中用于GPTQ量化模型的高效推理内核,它需要特定的CUDA架构支持。
从堆栈跟踪可以看出,系统尝试执行marlin_permute_scales操作时失败,这是Marlin量化内核处理权重缩放因子的关键步骤。失败的根本原因是容器内构建的CUDA内核没有包含对Jetson AGX Orin的GPU架构(SM_87)的支持。
解决方案
根据项目维护者的交流,当前主分支的vLLM容器尚未完全支持Jetson平台。用户需要:
- 等待项目维护者合并相关修复补丁
- 或者自行构建包含Jetson支持的vLLM容器
对于技术熟练的用户,可以基于项目提供的Dockerfile自行构建容器,确保在构建过程中:
- 包含正确的CUDA架构标志
- 使用针对Jetson优化的CUDA工具链
- 启用对SM_87架构的支持
后续建议
对于希望在Jetson设备上运行大语言模型的开发者,建议:
- 关注jetson-containers项目的更新,特别是vLLM容器的支持情况
- 考虑使用已经验证支持的模型和量化格式
- 对于生产环境,建议等待官方发布的稳定版本
- 可以尝试使用非量化版本的模型,可能遇到较少的兼容性问题
这个问题凸显了在边缘设备上部署大语言模型的挑战,特别是在使用量化技术和特定推理优化时需要考虑硬件兼容性。随着jetson-containers项目的持续发展,预计这类问题将逐步得到解决。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0265cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8