Docker Model Runner Cheatsheet: Polecenia i Przykłady

Szybki przewodnik po poleceniach Docker Model Runner

Docker Model Runner (DMR) to oficjalne rozwiązanie firmy Docker do uruchamiania modeli AI lokalnie, wprowadzone w kwietniu 2025. Ten cheatsheet zawiera szybki przewodnik po wszystkich istotnych komendach, konfiguracjach i najlepszych praktykach.

lista dostępnych modeli gemma w docker model runner

Instalacja

Docker Desktop

Włącz Docker Model Runner przez interfejs graficzny:

  1. Otwórz Docker Desktop
  2. Przejdź do Ustawienia → Karta AI
  3. Kliknij Włącz Docker Model Runner
  4. Uruchom ponownie Docker Desktop

/home/rg/prj/hugo-pers/content/post/2025/10/docker-model-runner-cheatsheet/docker-model-runner_w678.jpg docker model runner windows

Docker Engine (Linux)

Zainstaluj pakiet wtyczki:

# Ubuntu/Debian
sudo apt-get update
sudo apt-get install docker-model-plugin

# Fedora/RHEL
sudo dnf install docker-model-plugin

# Arch Linux
sudo pacman -S docker-model-plugin

Sprawdź instalację:

docker model --help

Podstawowe polecenia

Pobieranie modeli

Pobierz wstępnie zapakowane modele z Docker Hub:

# Podstawowe pobieranie
docker model pull ai/llama2

# Pobierz konkretną wersję
docker model pull ai/llama2:7b-q4

# Pobierz z niestandardowego rejestru
docker model pull myregistry.com/models/mistral:latest

# Wyświetl dostępne modele w przestrzeni nazw
docker search ai/

Uruchamianie modeli

Uruchom model z automatycznym serwisowaniem API:

# Podstawowe uruchomienie (interaktywne)
docker model run ai/llama2 "What is Docker?"

# Uruchom jako usługę (w tle)
docker model run -d --name my-llm ai/llama2

# Uruchom z niestandardowym portem
docker model run -p 8080:8080 ai/llama2

# Uruchom z określonymi GPU
docker model run --gpus 0,1 ai/llama2

# Uruchom z ograniczeniem pamięci
docker model run --memory 8g ai/llama2

# Uruchom z zmiennymi środowiskowymi
docker model run -e MODEL_CONTEXT=4096 ai/llama2

# Uruchom z montażem woluminu dla danych trwałościowych
docker model run -v model-data:/data ai/llama2

Lista modeli

Wyświetl pobrane i uruchomione modele:

# Wyświetl wszystkie pobrane modele
docker model ls

# Wyświetl uruchomione modele
docker model ps

# Wyświetl z szczegółowymi informacjami
docker model ls --all --format json

# Filtruj według nazwy
docker model ls --filter "name=llama"

Zatrzymywanie modeli

Zatrzymaj uruchomione instancje modeli:

# Zatrzymaj konkretny model
docker model stop my-llm

# Zatrzymaj wszystkie uruchomione modele
docker model stop $(docker model ps -q)

# Zatrzymaj z timeoutem
docker model stop --time 30 my-llm

Usuwanie modeli

Usuń modele z lokalnego magazynu:

# Usuń konkretny model
docker model rm ai/llama2

# Usuń z siłą (nawet jeśli jest uruchomiony)
docker model rm -f ai/llama2

# Usuń nieużywane modele
docker model prune

# Usuń wszystkie modele
docker model rm $(docker model ls -q)

Pakowanie niestandardowych modeli

Tworzenie artefaktu OCI z GGUF

Zapakuj własne modele GGUF:

# Podstawowe pakowanie
docker model package --gguf /path/to/model.gguf myorg/mymodel:latest

# Pakowanie z metadanymi
docker model package \
  --gguf /path/to/model.gguf \
  --label "description=Custom Llama model" \
  --label "version=1.0" \
  myorg/mymodel:v1.0

# Pakowanie i przesyłanie w jednym poleceniu
docker model package --gguf /path/to/model.gguf --push myorg/mymodel:latest

# Pakowanie z niestandardowym rozmiarem kontekstu
docker model package \
  --gguf /path/to/model.gguf \
  --context 8192 \
  myorg/mymodel:latest

Publikowanie modeli

Przesyłaj modele do rejestrów:

# Zaloguj się do Docker Hub
docker login

# Przesyłaj do Docker Hub
docker model push myorg/mymodel:latest

# Przesyłaj do prywatnego rejestru
docker login myregistry.com
docker model push myregistry.com/models/mymodel:latest

# Oznacz i przesyłaj
docker model tag mymodel:latest myorg/mymodel:v1.0
docker model push myorg/mymodel:v1.0

Użycie API

Kompatybilne z OpenAI

Docker Model Runner automatycznie udostępnia kompatybilne z OpenAI API:

# Uruchom model z API
docker model run -d -p 8080:8080 --name llm ai/llama2

# Kompletacja rozmowy
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

# Generowanie tekstu
curl http://localhost:8080/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "prompt": "Once upon a time",
    "max_tokens": 100
  }'

# Odpowiedź w strumieniu
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "Tell me a story"}],
    "stream": true
  }'

# Lista dostępnych modeli przez API
curl http://localhost:8080/v1/models

# Informacje o modelu
curl http://localhost:8080/v1/models/llama2

Konfiguracja Docker Compose

Podstawowy plik Compose

version: '3.8'

services:
  llm:
    image: docker-model-runner
    model: ai/llama2:7b-q4
    ports:
      - "8080:8080"
    environment:
      - MODEL_CONTEXT=4096
      - MODEL_TEMPERATURE=0.7
    volumes:
      - model-data:/root/.cache
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: all
              capabilities: [gpu]

volumes:
  model-data:

Konfiguracja wielu modeli

version: '3.8'

services:
  llama:
    image: docker-model-runner
    model: ai/llama2
    ports:
      - "8080:8080"
    
  mistral:
    image: docker-model-runner
    model: ai/mistral
    ports:
      - "8081:8080"
    
  embedding:
    image: docker-model-runner
    model: ai/nomic-embed-text
    ports:
      - "8082:8080"

Dla zaawansowanych konfiguracji Docker Compose i poleceń zobacz nasz Docker Compose Cheatsheet obejmujący sieci, woluminy i wzorce orkestracji.

Zmienne środowiskowe

Konfiguruj zachowanie modelu za pomocą zmiennych środowiskowych:

# Rozmiar okna kontekstu
MODEL_CONTEXT=4096

# Temperatura (0.0-1.0)
MODEL_TEMPERATURE=0.7

# Próbkowanie top-p
MODEL_TOP_P=0.9

# Próbkowanie top-k
MODEL_TOP_K=40

# Maksymalna liczba tokenów
MODEL_MAX_TOKENS=2048

# Liczba warstw GPU
MODEL_GPU_LAYERS=35

# Wielkość partii
MODEL_BATCH_SIZE=512

# Liczba wątków (CPU)
MODEL_THREADS=8

# Włącz szczegółowe logowanie
MODEL_VERBOSE=true

# Klucz API do uwierzytelnienia
MODEL_API_KEY=your-secret-key

Uruchom z użyciem zmiennych środowiskowych:

docker model run \
  -e MODEL_CONTEXT=8192 \
  -e MODEL_TEMPERATURE=0.8 \
  -e MODEL_API_KEY=secret123 \
  ai/llama2

Konfiguracja GPU

Automatyczne wykrywanie GPU

DMR automatycznie wykrywa i wykorzystuje dostępne GPU:

# Użyj wszystkich GPU
docker model run --gpus all ai/llama2

# Użyj konkretnego GPU
docker model run --gpus 0 ai/llama2

# Użyj wielu konkretnych GPU
docker model run --gpus 0,1,2 ai/llama2

# GPU z ograniczeniem pamięci
docker model run --gpus all --memory 16g ai/llama2

Tryb tylko CPU

Wymuś inferencję na CPU, kiedy GPU jest dostępne:

docker model run --no-gpu ai/llama2

Tensorowe równoległość wielu GPU

Rozdziel duże modele na wiele GPU:

docker model run \
  --gpus all \
  --tensor-parallel 2 \
  ai/llama2-70b

Inspekcja i debugowanie

Wyświetlanie szczegółów modelu

# Sprawdź konfigurację modelu
docker model inspect ai/llama2

# Wyświetl warstwy modelu
docker model history ai/llama2

# Sprawdź rozmiar i metadane modelu
docker model inspect --format='{{.Size}}' ai/llama2

Logi i monitorowanie

# Wyświetl logi modelu
docker model logs llm

# Monitoruj logi w czasie rzeczywistym
docker model logs -f llm

# Wyświetl ostatnie 100 linii
docker model logs --tail 100 llm

# Wyświetl logi z czasem
docker model logs -t llm

Statystyki wydajności

# Użycie zasobów
docker model stats

# Statystyki konkretnego modelu
docker model stats llm

# Statystyki w formacie JSON
docker model stats --format json

Sieci

Wyświetlanie API

# Domyślny port (8080)
docker model run -p 8080:8080 ai/llama2

# Niestandardowy port
docker model run -p 3000:8080 ai/llama2

# Przypnij do konkretnego interfejsu
docker model run -p 127.0.0.1:8080:8080 ai/llama2

# Wiele portów
docker model run -p 8080:8080 -p 9090:9090 ai/llama2

Konfiguracja sieci

# Utwórz niestandardową sieć
docker network create llm-network

# Uruchom model na niestandardowej sieci
docker model run --network llm-network --name llm ai/llama2

# Połącz z istniejącą siecią
docker model run --network host ai/llama2

Bezpieczeństwo

Kontrola dostępu

# Uruchom z uwierzytelnieniem API
docker model run \
  -e MODEL_API_KEY=my-secret-key \
  ai/llama2

# Użyj z uwierzytelnieniem
curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer my-secret-key" \
  -H "Content-Type: application/json" \
  -d '{"model": "llama2", "messages": [...]}'

Uwierzytelnienie w rejestrze

# Zaloguj się do prywatnego rejestru
docker login myregistry.com -u username -p password

# Pobierz z prywatnego rejestru
docker model pull myregistry.com/private/model:latest

# Użyj pomocnika do poświadczeń
docker login --password-stdin < token.txt

Najlepsze praktyki

Wybór modelu

# Użyj modeli z kwantyzacją dla szybszej inferencji
docker model pull ai/llama2:7b-q4     # kwantyzacja 4-bit
docker model pull ai/llama2:7b-q5     # kwantyzacja 5-bit
docker model pull ai/llama2:7b-q8     # kwantyzacja 8-bit

# Sprawdź wersje modelu
docker search ai/llama2

Zarządzanie zasobami

# Ustaw ograniczenia pamięci
docker model run --memory 8g --memory-swap 16g ai/llama2

# Ustaw ograniczenia CPU
docker model run --cpus 4 ai/llama2

# Ogranicz pamięć GPU
docker model run --gpus all --gpu-memory 8g ai/llama2

Kontrole zdrowia

# Uruchom z kontrolą zdrowia
docker model run \
  --health-cmd "curl -f http://localhost:8080/health || exit 1" \
  --health-interval 30s \
  --health-timeout 10s \
  --health-retries 3 \
  ai/llama2

Orkestracja w środowisku produkcyjnym

Dla wdrożeń produkcyjnych z Kubernetes, kontenery Docker Model Runner mogą być orkestrowane za pomocą standardowych manifestów Kubernetes. Zdefiniuj wdrożenia z ograniczeniami zasobów, skalowaniem automatycznym i bilansowaniem obciążenia. Dla pełnego odniesienia do poleceń Kubernetes i wzorców wdrożeń, sprawdź nasz Kubernetes Cheatsheet.

# Przykład: Wdrożenie w klastrze Kubernetes
kubectl apply -f llm-deployment.yaml

# Skaluj wdrożenie
kubectl scale deployment llm --replicas=3

# Wyeksponuj jako usługę
kubectl expose deployment llm --type=LoadBalancer --port=8080

Rozwiązywanie problemów

Typowe problemy

Model nie uruchamia się:

# Sprawdź dostępność miejsca na dysku
df -h

# Wyświetl szczegółowe logi błędów
docker model logs --tail 50 llm

# Sprawdź dostępność GPU
nvidia-smi  # Dla GPU NVIDIA

Błędy niedostatecznej pamięci:

# Użyj modelu z kwantyzacją
docker model pull ai/llama2:7b-q4

# Zmniejsz rozmiar kontekstu
docker model run -e MODEL_CONTEXT=2048 ai/llama2

# Ogranicz wielkość partii
docker model run -e MODEL_BATCH_SIZE=256 ai/llama2

Wolna inferencja:

# Sprawdź użycie GPU
docker model stats llm

# Upewnij się, że GPU jest używane
docker model logs llm | grep -i gpu

# Zwiększ liczbę warstw GPU
docker model run -e MODEL_GPU_LAYERS=40 ai/llama2

Polecenia diagnostyczne

# Informacje systemowe
docker model system info

# Użycie dysku
docker model system df

# Wyczyść nieużywane zasoby
docker model system prune

# Pełne wyczyszczenie (usuń wszystkie modele)
docker model system prune -a

Przykłady integracji

Integracja w Pythonie

import openai

# Skonfiguruj klienta dla Docker Model Runner
client = openai.OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed"  # DMR nie wymaga klucza domyślnie
)

# Kompletacja rozmowy
response = client.chat.completions.create(
    model="llama2",
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.choices[0].message.content)

# Strumieniowe przesyłanie
stream = client.chat.completions.create(
    model="llama2",
    messages=[{"role": "user", "content": "Tell me a story"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Skrypt Bash

#!/bin/bash

# Uruchom model, jeśli nie jest uruchomiony
if ! docker model ps | grep -q "llm"; then
    docker model run -d --name llm -p 8080:8080 ai/llama2
    echo "Oczekiwanie na uruchomienie modelu..."
    sleep 10
fi

# Wyślij żądanie API
curl -s http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "'"$1"'"}]
  }' | jq -r '.choices[0].message.content'

Integracja w Node.js

import OpenAI from 'openai';

const client = new OpenAI({
    baseURL: 'http://localhost:8080/v1',
    apiKey: 'not-needed'
});

async function chat(message) {
    const completion = await client.chat.completions.create({
        model: 'llama2',
        messages: [{ role: 'user', content: message }]
    });
    
    return completion.choices[0].message.content;
}

// Użycie
const response = await chat('Co to jest Docker Model Runner?');
console.log(response);

Przydatne linki

Oficjalna dokumentacja

Powiązane cheatsheety

Porównania artykułów