【sglang模型部署】sglang部署embedding模型之gte-Qwen2-7B-instruct，然后接入dify知识库，做RAG系统。

深度求索者

已于 2025-04-01 13:09:48 修改

阅读量731

点赞数 2

文章标签：人工智能

于 2025-04-01 13:08:38 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_39806242/article/details/146901795

版权

gte-Qwen2-7B-instruct 是 gte（通用文本嵌入）模型家族的最新成员，截至2024年6月16日，该模型在英文和中文的大规模文本嵌入基准测试MTEB（Massive Text Embedding Benchmark）中均位列榜首。

近期，Qwen团队发布了Qwen2系列模型，我们基于Qwen2-7B大语言模型训练了gte-Qwen2-7B-instruct模型。相较于前代gte-Qwen1.5-7B-instruct模型，本模型在微调阶段采用了相同的训练数据和训练策略，主要改进在于将基础模型升级为Qwen2-7B。鉴于Qwen2系列模型较Qwen1.5系列的显著提升，我们有理由预期本嵌入模型也将展现出一致的性能飞跃。

该模型融合了多项关键技术突破：
- 双向注意力机制的整合，显著增强上下文理解能力
- 指令微调仅应用于查询端，实现高效流程优化
- 跨领域多场景的泛化训练，覆盖多语言海量文本语料。训练过程结合弱监督与监督数据，确保模型在多语言环境和多样化下游任务中的卓越适用性

模型信息
参数量：70亿
嵌入维度：3584
最大输入长度：32K tokens

系统要求
transformers>=4.39.2
flash_attn>=2.5.6

该模型大概需要18G 显存。

模型部署命令行：

python -m sglang.launch_server --model-path ./gte-Qwen2-7B-instruct --is-embedding --host 0.0.0.0 --port 8080 --mem-fraction-static 0.701

模型测试代码：

import openai

client = openai.Client(base_url="http://192.168.10.198:8080/v1", api_key="None")

# Text embedding example
response = client.embeddings.create(
    model="./gte-Qwen2-7B-instruct",
    input="中国的首都在哪？",
)

embedding = response.data[0].embedding[:10]
print(embedding)
print(len(response.data[0].embedding))

模型部署完毕后，可以接入dify，开发RAG系统。