LogoTensorFusion 文档
LogoTensorFusion 文档
首页文档

在Kubernetes安装

在现有Kubernetes集群上部署TensorFusion

前提条件

  1. 创建包含NVIDIA GPU节点的Kubernetes集群
  2. 安装Container Toolkit，一般云厂商的Kubernetes发行版可能已经内置
  3. 如果您不希望使用TensorFusion的控制台功能，可以参考纯本地化部署

指南中的安装过程大约需要2-4分钟完成

步骤一：安装TensorFusion

注册账号后访问TensorFusion控制台

复制一键接入命令，在Kubernetes集群中运行，如果需要定制Helm Chart的变量，参考此文档：Helm Chart Reference：

image

步骤二：应用定制资源

当agent就绪后，在控制台点击"预览"并"部署"按钮，一键应用云端的资源配置清单：

image

步骤三：部署验证

当状态显示就绪时，点击"Deploy Inference App"启动PyTorch容器进行验证：

image

示例部署清单（已启用TensorFusion vGPU资源配置）：

# simple-pytorch.yaml
# kubectl apply -f simple-pytorch.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: pytorch-example
  namespace: default
  labels:
    app: pytorch-example
    tensor-fusion.ai/enabled: 'true'
spec:
  replicas: 1
  selector:

执行以下命令验证GPU资源分配：

nvidia-smi

# 预期显存为4Gi，而不是显卡的总显存数量

执行以下脚本，可在虚拟GPU中运行Qwen3 0.6B，验证TensorFusion

pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple
pip install modelscope packaging transformers accelerate

cat << EOF >> test-qwen.py
from modelscope import AutoModelForCausalLM, AutoTokenizer

model_name = "Qwen/Qwen3-0.6B"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="cuda:0"
)

prompt = "Give me a short introduction to large language model."
messages = [
    {"role": "user", "content": prompt}

方案二：纯本地化部署

如需完全本地化部署（不使用高级功能），可参考纯本地部署方案，但此模式无法使用TensorFusion控制台的管控台功能。

卸载TensorFusion

运行如下命令一键卸载所有组件

# 可指定 KUBECONFIG 环境变量
curl -sfL https://download.tensor-fusion.ai/uninstall.sh | sh -

后续步骤

  • 集群与GPU资源池定制配置 -->
  • 生产级高可用集群部署方案
  • 检查所有的Pod注解
  • 查看Kubernetes扩展资源定义

目录

前提条件
步骤一：安装TensorFusion
步骤二：应用定制资源
步骤三：部署验证
方案二：纯本地化部署
卸载TensorFusion
后续步骤
matchLabels:
app: pytorch-example
template:
metadata:
labels:
app: pytorch-example
tensor-fusion.ai/enabled: 'true'
annotations:
tensor-fusion.ai/inject-container: python
tensor-fusion.ai/tflops-limit: '10'
tensor-fusion.ai/tflops-request: '20'
tensor-fusion.ai/vram-limit: 4Gi
tensor-fusion.ai/vram-request: 4Gi
spec:
containers:
- name: python
image: pytorch/pytorch:2.6.0-cuda12.4-cudnn9-runtime
command:
- sh
- '-c'
- sleep 1d
restartPolicy: Always
terminationGracePeriodSeconds: 0
dnsPolicy: ClusterFirst
]
text = tokenizer.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True,
enable_thinking=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
generated_ids = model.generate(
**model_inputs,
max_new_tokens=32768
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()
try:
# rindex finding 151668 (</think>)
index = len(output_ids) - output_ids[::-1].index(151668)
except ValueError:
index = 0
thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")
print("thinking content:", thinking_content)
print("content:", content)
EOF
python3 test-qwen.py