在 5090 显卡上成功安装 TabbyAPI+Exllamav2 和 vLLM 并非易事，经过一番摸索，我总结了以下详细步骤，希望能帮助大家少走弯路。
重要提示： 用户提供的 PyTorch 安装使用了 cu128，这并非标准 CUDA 版本。请根据你的系统实际 CUDA 版本（通常为 12.1 或 12.2）进行调整。
1. 安装 TabbyAPI+Exllamav2
步骤 1：克隆 TabbyAPI 仓库
git clone https://github.com/theroyallab/tabbyAPI
cd tabbyAPI
步骤 2：创建并激活 Python 虚拟环境
python3 -m venv venv
source venv/bin/activate # 如果使用 fish shell，则使用：source venv/bin/activate.fish
步骤 3：安装带有 CUDA 支持的 PyTorch
python -m pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu12.1 # 根据实际 CUDA 版本调整
步骤 4：安装 TabbyAPI 与 Exllamav2（禁用编译）
EXLLAMA_NOCOMPILE=1 pip install .
步骤 5：安装所需的系统依赖（如果需要）
sudo apt-get update
sudo apt-get install -y build-essential g++ gcc libstdc++-10-dev ninja-build
步骤 6：安装 Flash Attention（可选但推荐）
git clone https://github.com/Dao-AILab/flash-attention
cd flash-attention
python -m pip install wheel
python setup.py install
步骤 7：TabbyAPI 安装完成
请参考 TabbyAPI 的官方文档了解如何使用。
2. 安装 vLLM
步骤 1：克隆 vLLM 仓库
git clone https://github.com/vllm-project/vllm
cd vllm
步骤 2：创建并激活 Python 虚拟环境
python3.12 -m venv venv
source venv/bin/activate # 如果使用 fish shell，则使用：source venv/bin/activate.fish
步骤 3：安装带有 CUDA 支持的 PyTorch
python -m pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu12.1 # 根据实际 CUDA 版本调整
步骤 4：使用已存在的 PyTorch 安装（推荐）
python use_existing_torch.py
步骤 5：安装构建依赖
python -m pip install -r requirements/build.txt
步骤 6：安装通用依赖
python -m pip install -r requirements/common.txt
步骤 7：从源代码安装 vLLM（可编辑模式）
python -m pip install -e . --no-build-isolation
步骤 8：vLLM 安装完成
请参考 vLLM 的官方文档了解如何使用。
重要注意事项：
- CUDA 版本： 确保你使用的 CUDA 版本与 5090 显卡和 PyTorch 安装相匹配。请验证你的 NVIDIA 驱动程序支持的 CUDA 版本。
- Python 版本： vLLM 可能对 Python 版本有特定要求。用户指定了 Python 3.12。请查阅 vLLM 的官方文档以获取最新信息。
- 依赖项： 仔细检查 TabbyAPI 和 vLLM 的
requirements.txt文件，确保安装了所有必要的依赖项。 - 虚拟环境： 使用虚拟环境对于隔离项目依赖项和避免冲突至关重要。
- Flash Attention： Flash Attention 可以显著提高性能，尤其是对于大型模型。如果可能，建议安装。
- 驱动版本： 确保您的 Nvidia 驱动程序是最新的，并且支持您的 5090 GPU。
- 调整 CUDA 版本： 将
cu12.1替换为您已安装的正确 CUDA 版本。
