桌面显卡RTX4070安装Ubuntu系统部署vLLM环境

我们前面介绍了笔记本电脑如何部署PyTorch环境（复制成功！GTX1050Ti换版本安装Pytorch、CUDA和cuDNN），也介绍了Tesla系列GPU如何部署PyTorch环境（Ubuntu使用Tesla P4配置Anaconda+CUDA+PyTorch），再后来，我们也用4070显卡介绍了ollama工具的使用（哪怕用笔记本的4070显卡运行DeepSeek，都要比128核的CPU快得多！）。
但在使用过程中，我们发现使用vLLM部署大模型时，无论是单请求吞吐量、并发吞吐量、支持的模型尺寸等，整体性能都要优于ollama。但是，vLLM的核心框架主要针对Linux和CUDA环境优化，不能直接运行在Windows环境中；当然，我们也可以使用WSL来进行部署（在Windows 11上启用WSL（适用于Linux的Windows子系统）），但是资源利用率会有所下降。
当然，运行vLLM也对GPU的计算架构有所要求，比如我之前用的Tesla P40（清华大模型ChatGLM3在本地Tesla P40上也运行起来了），虽然显存够大，但是架构版本是6.1的Pascal架构，不支持FP16，需要到7.0版本的Volta架构才支持，也就是到Tesla V100这一代；但是7.0版本又不支持BF16，需要8.0版本的Ampere架构才能支持，这就到了A100这一代了（A10本地部署的DeepSeek-R1:32b做逻辑推理题）。至于大家熟悉的Tesla T4，夹在中间，属于7.5版本的Turing架构。
既然如此，我不是还有一台RTX4070的笔记本电脑吗？是8.9版本的Ada Loverlace架构，跟L20属于同一代。所以，我们本次将在4070笔记本上安装Ubuntu操作系统，然后进行后续操作。
开始操作之前，先介绍一下软件版本信息：vLLM的当前最高版本为0.7.4，能支持的PyTorch最高版本为2.5.1，对应的CUDA版本最高为12.4，对应的操作系统为Ubuntu 22.04 LTS，显卡驱动为550.144.03。
电脑型号为机械革命极光X，处理器为12th Gen Intel(R) Core(TM) i7-12800HX，24核心；搭配32 GB（DDR5@4800 MHz）运行内存，500 GB系统盘（NVMe）；显卡型号RTX4070，8 GB显存（8188MiB）。
首先安装Ubuntu 22.04.5 LTS操作系统，建议使用DD刻录启动U盘；电脑如果支持Secure Boot，建议关闭，要不然后续操作会很麻烦。
系统安装过程参考图文（没有图形界面，如何快速部署一个Ubuntu 24.10的Server虚拟机）或以下视频：
系统安装好之后，我们先安装显卡驱动程序，到NVIDIA官网搜索驱动文件。

因为桌面显卡不支持按照CUDA版本进行搜索，所以你可以直接找550.144.03这个版本，对应的就是CUDA 12.4版本。
驱动版本:550.144.03
发布日期:Thu Jan 16, 2025
操作系统:Linux 64-bit
语言:English (US)
文件大小:307.27 MB
或者，你直接用下面的下载链接也行：
https://us.download.nvidia.com/XFree86/Linux-x86_64/550.144.03/NVIDIA-Linux-x86_64-550.144.03.run
在安装之前，我们需要准备相关的编译安装环境：
apt install gcc make dkms -y

然后，下载驱动文件，赋予可执行权限，并运行：
wget https://us.download.nvidia.com/XFree86/Linux-x86_64/550.144.03/NVIDIA-Linux-x86_64-550.144.03.run
chmod +x NVIDIA-Linux-x86_64-550.144.03.run
./NVIDIA-Linux-x86_64-550.144.03.run

整体安装过程很简单，基本都是选择默认操作即可。驱动信息页面，选择【Continue installations】。

安装完成后，系统提示修改X Module配置。

将32位的兼容库也安装上。

安装过程中检测到Vulkan组件缺失的警告，具体原因是系统缺少Vulkan ICD加载器（Vulkan Installable Client Driver Loader），导致NVIDIA的Vulkan驱动无法正常工作。这个后面可以通过命令来修复：
apt install vulkan-icd-loader vulkan-tools libnvidia-gl-550.144.03

DKMS是Linux内核模块的自动化编译框架，当系统升级内核时，可以自动重新编译NVIDIA驱动；吐过没有注册到DKMS，每次内核更新后需手动重新安装驱动，所以我们选择注册。

开源驱动Nouveau残留在initramfs中，可能与新安装的NVIDIA官方驱动产生冲突，我们选择重建initramfs。

是否自动更新X Window系统的配置文件xorg.conf，以强制X Server加载NVIDIA驱动，取代开源驱动Nouveau。对于单显卡笔记本，无需复杂显示配置，追求快速启用NVIDIA驱动，选择Yes。

驱动程序安装完成。

这样，无需重启系统，我们也能直接执行nvidia-smi命令查看显卡状态了。

接下来，我们安装CUDA 12.4，首先下载配置APT包管理器优先级，确保CUDA相关软件从指定仓库安装。
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600

然后下载CUDA安装程序，并运行。
wget https://developer.download.nvidia.com/compute/cuda/12.4.1/local_installers/cuda-repo-ubuntu2204-12-4-local_12.4.1-550.54.15-1_amd64.deb
dpkg -i cuda-repo-ubuntu2204-12-4-local_12.4.1-550.54.15-1_amd64.deb

按照提示复制秘钥文件，再次安装即可，安装完成之后，更新软件仓库。
cp /var/cuda-repo-ubuntu2204-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/
apt-get update

完成CUDA的安装。
apt-get -y install cuda-toolkit-12-4
选择安装传统内核模块cuda-drivers，执行以下命令：
apt-get install -y cuda-drivers

查看CUDA版本信息。
/usr/local/cuda-12.4/bin/nvcc –version

接下来，安装cuDNN，跟安装CUDA的操作过程类似。
wget https://developer.download.nvidia.com/compute/cudnn/9.8.0/local_installers/cudnn-local-repo-ubuntu2204-9.8.0_1.0-1_amd64.deb
dpkg -i cudnn-local-repo-ubuntu2204-9.8.0_1.0-1_amd64.deb
cp /var/cudnn-local-repo-ubuntu2204-9.8.0/cudnn-*-keyring.gpg /usr/share/keyrings/
apt-get update

最后安装cuDNN。
apt-get -y install cudnn

vLLM对PyTorch版本敏感，建议严格匹配版本。对于Ubuntu 22.04系统，自带的Python版本为3.10，满足vLLM要求的3.8版本的要求。
我们先创建一个Python虚拟环境并激活，用于安装vLLM。
apt install python3.10-venv -y
python3.10 -m venv vllm_env
source vllm_env/bin/activate

安装vLLM需要用到PyTorch，对应的版本信息如下：
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 –index-url https://download.pytorch.org/whl/cu124

最后，安装vLLM。
pip install vllm

好了，到这里，vLLM环境就准备好了，后面，我们就能下载DeepSeek模型文件来进行测试了。
推荐阅读
DeepSeek-R1内卷把自己卷死了，QwQ模型的优势凸显出来了
简单测试一下DeepSeek和QwQ检索知识库的能力
用Anything LLM来一场关于SD-WAN的开卷考试，DeepSeek-R1和QwQ谁更胜一筹？
围观一下，QwQ真的能和DeepSeek-R1一较高下吗？
目前来看，ollama量化过的DeepSeek模型应该就是最具性价比的选择
哪怕用笔记本的4070显卡运行DeepSeek，都要比128核的CPU快得多！
帮你省20块！仅需2条命令即可通过Ollama本地部署DeepSeek-R1模型
离线文件分享了，快来抄作业，本地部署一个DeepSeek个人小助理
Ubuntu使用Tesla P4配置Anaconda+CUDA+PyTorch
Ubuntu磁盘空间不足或配置错误时，如何操作扩容？
当你买了一台Linux云主机，应该如何测试主机性能？
没有图形界面，如何快速部署一个Ubuntu 24.10的Server虚拟机
openVPN不同加密算法性能对比
Debian系统配置网络的花样还是太多了
使用openVPN对比AES和SM4加密算法性能，国密好像也没那么差
安装Debian时千万不要使用网络镜像站点
OpenWrt如何配置WireGuard互联？