【GPT入门】第65课 vllm指定其他卡运行的方法，解决单卡CUDA不足的问题

１.原理

要将 vllm 部署在第二张 GPU 卡上（设备编号为 1），只需在命令前添加 CUDA_VISIBLE_DEVICES=1 环境变量指定 GPU 设备：

CUDA_VISIBLE_DEVICES=1 vllm serve /root/autodl-tmp/models_xxzh/Qwen/Qwen1.5-1.8B-Chat

说明：

• CUDA_VISIBLE_DEVICES=1 是核心配置，强制程序仅使用编号为 1 的 GPU（第二张卡，GPU 编号从 0 开始计数）
• 若需验证 GPU 编号，可先运行 nvidia-smi 查看所有 GPU 设备的序号和状态
• 如需额外参数（如指定端口、并发数等），可直接追加在命令后，例如：

  CUDA_VISIBLE_DEVICES=1 vllm serve /root/autodl-tmp/models_xxzh/Qwen/Qwen1.5-1.8B-Chat --port 8000 --max-num-seqs 32
  

２.实践

下面的图是nvitop， （通过pip install nvitop 安装） 的截图

• 运行前
  
• 指定第一个卡运行
  命令：

CUDA_VISIBLE_DEVICES=1  vllm serve /root/autodl-tmp/models_xxzh/Qwen/Qwen1.5-1.8B-Chat

• 其他llm程序默认在第0个卡运行