最好用的免费建站优秀建筑设计案例

环境：

VLLM 0.8.5

H20 96G

问题描述：

VLLM推理可以分配不同显存限制给两张卡吗？

一张卡90G显存，一张卡还有50多空余显存。

解决方案：

vLLM的gpu-memory-utilization参数是全局设置，不能为每张GPU单独分配不同的显存利用率。你只能设置一个统一的值，例如0.9，vLLM会在每张卡上按剩余可用显存的90%分配。

如何手动调整每张卡的可用显存或运行多个实例？

vLLM不支持为每张GPU单独设置显存利用率。若需手动调整每张卡的可用显存，可通过分别设置CUDA_VISIBLE_DEVICES环境变量，启动多个vLLM实例，每个实例绑定一张GPU，并为每个实例单独设置–gpu-memory-utilization参数。例如：

CUDA_VISIBLE_DEVICES=0 vllm serve ... --gpu-memory-utilization 0.5
CUDA_VISIBLE_DEVICES=1 vllm serve ... --gpu-memory-utilization 0.9

这样每个实例只占用指定GPU，并按需分配显存。

这样模型是不是单独运行两次？

是的，分别用CUDA_VISIBLE_DEVICES和不同–gpu-memory-utilization启动多个vLLM实例时，每个实例会单独加载一份模型，各自独立运行，互不共享显存和KV cache。

如需多卡协同推理，请用–tensor-parallel-size参数实现模型切分并行。

最后可以先启动别的程序，让他先占用显存，然后再启动vllm还是原来的配置
CUDA_VISIBLE_DEVICES=1 vllm serve … --gpu-memory-utilization 0.9

这样vllm这样达到推理可以分配不同显存限制给两张卡。