不同模型推荐配置

推荐配置如下：

模型名内存显存硬盘空间启动命令
bge-rerank-base>=4GB>=4GB>=8GBpython app.py
bge-rerank-large>=8GB>=8GB>=8GBpython app.py
bge-rerank-v2-m3>=8GB>=8GB>=8GBpython app.py

源码部署

1. 安装环境

  • Python 3.9, 3.10
  • CUDA 11.7
  • 科学上网环境

2. 下载代码

3 个模型代码分别为：

  1. https://github.com/labring/FastGPT/tree/main/python/bge-rerank/bge-reranker-base
  2. https://github.com/labring/FastGPT/tree/main/python/bge-rerank/bge-reranker-large
  3. https://github.com/labring/FastGPT/tree/main/python/bge-rerank/bge-rerank-v2-m3

3. 安装依赖 

  pip install -r requirements.txt

4. 下载模型

3个模型的 huggingface 仓库地址如下：

  1. https://huggingface.co/BAAI/bge-reranker-base
  2. https://huggingface.co/BAAI/bge-reranker-large
  3. https://huggingface.co/BAAI/bge-rerank-v2-m3

在对应代码目录下 clone 模型。目录结构：

  bge-reranker-base/
app.py
Dockerfile
requirements.txt

5. 运行代码 

  python app.py

启动成功后应该会显示如下地址：

这里的 http://0.0.0.0:6006 就是连接地址。

docker 部署

镜像名分别为:

  1. registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1 (4 GB+)
  2. registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-large:v0.1 (5 GB+)
  3. registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-v2-m3:v0.1 (5 GB+)

端口

6006

环境变量

  ACCESS_TOKEN=访问安全凭证，请求时，Authorization: Bearer ${ACCESS_TOKEN}

运行命令示例

  # auth token 为mytoken
docker run -d --name reranker -p 6006:6006 -e ACCESS_TOKEN=mytoken --gpus all registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1

docker-compose.yml示例

  version: "3"
services:
  reranker:
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1
    container_name: reranker
    # GPU运行环境，如果宿主机未安装，将deploy配置隐藏即可
    deploy:
      resources:
        reservations:
          devices:
          - driver: nvidia
            count: all
            capabilities: [gpu]
    ports:
      - 6006:6006
    environment:
      - ACCESS_TOKEN=mytoken

接入 FastGPT

参考 ReRank模型接入，host 变量为部署的域名。

编辑此页面