Шпаргалка Docker Model Runner: команды и примеры

Справочник команд Docker Model Runner

Docker Model Runner (DMR) — это официальное решение Docker для запуска моделей ИИ локально, представленное в апреле 2025 года. Этот справочник предоставляет быстрый доступ ко всем основным командам, настройкам и лучшим практикам.

список моделей gemma, доступных в docker model runner

Установка

Docker Desktop

Включите Docker Model Runner через графический интерфейс:

  1. Откройте Docker Desktop
  2. Перейдите в Настройки → вкладка ИИ
  3. Нажмите Включить Docker Model Runner
  4. Перезапустите 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)

Установите пакет плагина:

# 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

Проверьте установку:

docker model --help

Основные команды

Загрузка моделей

Загрузите предварительно упакованные модели из Docker Hub:

# Базовая загрузка
docker model pull ai/llama2

# Загрузка конкретной версии
docker model pull ai/llama2:7b-q4

# Загрузка из пользовательского реестра
docker model pull myregistry.com/models/mistral:latest

# Список доступных моделей в пространстве имен
docker search ai/

Запуск моделей

Запустите модель с автоматическим предоставлением API:

# Базовый запуск (интерактивный)
docker model run ai/llama2 "Что такое Docker?"

# Запуск как сервис (фоновый режим)
docker model run -d --name my-llm ai/llama2

# Запуск с пользовательским портом
docker model run -p 8080:8080 ai/llama2

# Запуск с указанием GPU
docker model run --gpus 0,1 ai/llama2

# Запуск с ограничением памяти
docker model run --memory 8g ai/llama2

# Запуск с переменными окружения
docker model run -e MODEL_CONTEXT=4096 ai/llama2

# Запуск с монтированием тома для постоянных данных
docker model run -v model-data:/data ai/llama2

Список моделей

Просмотрите загруженные и работающие модели:

# Список всех загруженных моделей
docker model ls

# Список работающих моделей
docker model ps

# Список с подробной информацией
docker model ls --all --format json

# Фильтрация по имени
docker model ls --filter "name=llama"

Остановка моделей

Остановите работающие экземпляры моделей:

# Остановка конкретной модели
docker model stop my-llm

# Остановка всех работающих моделей
docker model stop $(docker model ps -q)

# Остановка с таймаутом
docker model stop --time 30 my-llm

Удаление моделей

Удалите модели из локального хранилища:

# Удаление конкретной модели
docker model rm ai/llama2

# Принудительное удаление (даже если работает)
docker model rm -f ai/llama2

# Удаление неиспользуемых моделей
docker model prune

# Удаление всех моделей
docker model rm $(docker model ls -q)

Упаковка пользовательских моделей

Создание OCI-артефакта из GGUF

Упакуйте свои собственные модели GGUF:

# Базовая упаковка
docker model package --gguf /path/to/model.gguf myorg/mymodel:latest

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

# Упаковка и отправка в один шаг
docker model package --gguf /path/to/model.gguf --push myorg/mymodel:latest

# Упаковка с пользовательским размером контекста
docker model package \
  --gguf /path/to/model.gguf \
  --context 8192 \
  myorg/mymodel:latest

Публикация моделей

Отправьте модели в реестры:

# Вход в Docker Hub
docker login

# Отправка в Docker Hub
docker model push myorg/mymodel:latest

# Отправка в частный реестр
docker login myregistry.com
docker model push myregistry.com/models/mymodel:latest

# Метка и отправка
docker model tag mymodel:latest myorg/mymodel:v1.0
docker model push myorg/mymodel:v1.0

Использование API

Совместимые с OpenAI конечные точки

Docker Model Runner автоматически предоставляет совместимые с OpenAI API:

# Запуск модели с API
docker model run -d -p 8080:8080 --name llm ai/llama2

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

# Генерация текста
curl http://localhost:8080/v1/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "prompt": "Однажды давно",
    "max_tokens": 100
  }'

# Потоковый ответ
curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama2",
    "messages": [{"role": "user", "content": "Расскажи мне историю"}],
    "stream": true
  }'

# Список доступных моделей через API
curl http://localhost:8080/v1/models

# Информация о модели
curl http://localhost:8080/v1/models/llama2

Конфигурация Docker Compose

Базовый файл 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:

Настройка нескольких моделей

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"

Для более сложных конфигураций и команд Docker Compose, см. наш Справочник Docker Compose, который охватывает сетевые настройки, тома и шаблоны оркестрации.

Переменные окружения

Настройте поведение модели с помощью переменных окружения:

# Размер окна контекста
MODEL_CONTEXT=4096

# Температура (0.0-1.0)
MODEL_TEMPERATURE=0.7

# Выборка top-p
MODEL_TOP_P=0.9

# Выборка top-k
MODEL_TOP_K=40

# Максимальное количество токенов
MODEL_MAX_TOKENS=2048

# Количество слоев GPU
MODEL_GPU_LAYERS=35

# Размер партии
MODEL_BATCH_SIZE=512

# Количество потоков (CPU)
MODEL_THREADS=8

# Включение подробного журнала
MODEL_VERBOSE=true

# Ключ API для аутентификации
MODEL_API_KEY=your-secret-key

Запуск с переменными окружения:

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

Настройка GPU

Автоматическое обнаружение GPU

DMR автоматически обнаруживает и использует доступные GPU:

# Использование всех GPU
docker model run --gpus all ai/llama2

# Использование конкретного GPU
docker model run --gpus 0 ai/llama2

# Использование нескольких конкретных GPU
docker model run --gpus 0,1,2 ai/llama2

# GPU с ограничением памяти
docker model run --gpus all --memory 16g ai/llama2

Режим только CPU

Принудительно используйте вычисления на CPU, когда доступно GPU:

docker model run --no-gpu ai/llama2

Много-GPU тензорный параллелизм

Распределите большие модели по GPU:

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

Инспекция и отладка

Просмотр деталей модели

# Просмотр конфигурации модели
docker model inspect ai/llama2

# Просмотр слоев модели
docker model history ai/llama2

# Проверка размера и метаданных модели
docker model inspect --format='{{.Size}}' ai/llama2

Журналы и мониторинг

# Просмотр журналов модели
docker model logs llm

# Следите за журналами в реальном времени
docker model logs -f llm

# Просмотр последних 100 строк
docker model logs --tail 100 llm

# Просмотр журналов с временными метками
docker model logs -t llm

Статистика производительности

# Использование ресурсов
docker model stats

# Статистика конкретной модели
docker model stats llm

# Статистика в формате JSON
docker model stats --format json

Сетевые настройки

Открытие API

# Стандартный порт (8080)
docker model run -p 8080:8080 ai/llama2

# Пользовательский порт
docker model run -p 3000:8080 ai/llama2

# Привязка к конкретному интерфейсу
docker model run -p 127.0.0.1:8080:8080 ai/llama2

# Несколько портов
docker model run -p 8080:8080 -p 9090:9090 ai/llama2

Сетевая конфигурация

# Создание пользовательской сети
docker network create llm-network

# Запуск модели в пользовательской сети
docker model run --network llm-network --name llm ai/llama2

# Подключение к существующей сети
docker model run --network host ai/llama2

Безопасность

Контроль доступа

# Запуск с аутентификацией API
docker model run \
  -e MODEL_API_KEY=my-secret-key \
  ai/llama2

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

Аутентификация реестра

# Вход в частный реестр
docker login myregistry.com -u username -p password

# Загрузка из частного реестра
docker model pull myregistry.com/private/model:latest

# Использование помощника для ввода пароля
docker login --password-stdin < token.txt

Лучшие практики

Выбор модели

# Используйте квантованные модели для более быстрого вывода
docker model pull ai/llama2:7b-q4     # квантование 4 бита
docker model pull ai/llama2:7b-q5     # квантование 5 бит
docker model pull ai/llama2:7b-q8     # квантование 8 бит

# Проверьте варианты моделей
docker search ai/llama2

Управление ресурсами

# Установка ограничений памяти
docker model run --memory 8g --memory-swap 16g ai/llama2

# Установка ограничений CPU
docker model run --cpus 4 ai/llama2

# Ограничение памяти GPU
docker model run --gpus all --gpu-memory 8g ai/llama2

Проверки работоспособности

# Запуск с проверкой работоспособности
docker model run \
  --health-cmd "curl -f http://localhost:8080/health || exit 1" \
  --health-interval 30s \
  --health-timeout 10s \
  --health-retries 3 \
  ai/llama2

Оркестрация в производственной среде

Для развертывания в производственной среде с Kubernetes контейнеры Docker Model Runner могут оркестрироваться с использованием стандартных манифестов Kubernetes. Определите развертывания с ограничениями ресурсов, автомасштабированием и балансировкой нагрузки. Для всестороннего справочника по командам Kubernetes и шаблонам развертывания, см. наш Справочник Kubernetes.

# Пример: Развертывание в кластере Kubernetes
kubectl apply -f llm-deployment.yaml

# Масштабирование развертывания
kubectl scale deployment llm --replicas=3

# Открытие как сервиса
kubectl expose deployment llm --type=LoadBalancer --port=8080

Устранение неполадок

Частые проблемы

Модель не запускается:

# Проверка доступного дискового пространства
df -h

# Просмотр подробных журналов ошибок
docker model logs --tail 50 llm

# Проверка доступности GPU
nvidia-smi  # Для GPU NVIDIA

Ошибки нехватки памяти:

# Использование меньшей квантованной модели
docker model pull ai/llama2:7b-q4

# Уменьшение размера контекста
docker model run -e MODEL_CONTEXT=2048 ai/llama2

# Ограничение размера пакета
docker model run -e MODEL_BATCH_SIZE=256 ai/llama2

Медленное выведение результатов:

# Проверка использования GPU
docker model stats llm

# Убедитесь, что GPU используется
docker model logs llm | grep -i gpu

# Увеличение слоев GPU
docker model run -e MODEL_GPU_LAYERS=40 ai/llama2

Диагностические команды

# Информация о системе
docker model system info

# Использование диска
docker model system df

# Очистка неиспользуемых ресурсов
docker model system prune

# Полная очистка (удаление всех моделей)
docker model system prune -a

Примеры интеграции

Интеграция с Python

import openai

# Настройка клиента для Docker Model Runner
client = openai.OpenAI(
    base_url="http://localhost:8080/v1",
    api_key="not-needed"  # DMR не требует ключа по умолчанию
)

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

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

# Потоковая передача
stream = client.chat.completions.create(
    model="llama2",
    messages=[{"role": "user", "content": "Расскажи мне историю"}],
    stream=True
)

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

Bash-скрипт

#!/bin/bash

# Запуск модели, если она не работает
if ! docker model ps | grep -q "llm"; then
    docker model run -d --name llm -p 8080:8080 ai/llama2
    echo "Ожидание запуска модели..."
    sleep 10
fi

# Вызов 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'

Интеграция с 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;
}

// Использование
const response = await chat('Что такое Docker Model Runner?');
console.log(response);

Полезные ссылки

Официальная документация

Связанные шпаргалки

Статьи сравнения