接入 bge-rerank 重排模型

不同模型推荐配置

推荐配置如下：

模型名	内存	显存	硬盘空间	启动命令
bge-reranker-base	>=4GB	>=4GB	>=8GB	python app.py
bge-reranker-large	>=8GB	>=8GB	>=8GB	python app.py
bge-reranker-v2-m3	>=8GB	>=8GB	>=8GB	python app.py

源码部署

1. 安装环境

Python 3.9, 3.10
CUDA 11.7
科学上网环境

2. 下载代码

3 个模型代码分别为：

3. 安装依赖

pip install -r requirements.txt

4. 下载模型

3个模型的 huggingface 仓库地址如下：

在对应代码目录下 clone 模型。目录结构：

bge-reranker-base/
app.py
Dockerfile
requirements.txt

5. 运行代码

bash

python app.py

启动成功后应该会显示如下地址：

这里的 http://0.0.0.0:6006 就是连接地址。

docker 部署

镜像名分别为:

registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1 (4 GB+)
registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-large:v0.1 (5 GB+)
registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-v2-m3:v0.1 (5 GB+)

端口

6006

环境变量

ACCESS_TOKEN=访问安全凭证，请求时，Authorization: Bearer ${ACCESS_TOKEN}

运行命令示例

# auth token 为mytoken
docker run -d --name reranker -p 6006:6006 -e ACCESS_TOKEN=mytoken --gpus all registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1

docker-compose.yml示例

version: "3"
services:
  reranker:
    image: registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1
    container_name: reranker
    # GPU运行环境，如果宿主机未安装，将deploy配置隐藏即可
    deploy:
      resources:
        reservations:
          devices:
          - driver: nvidia
            count: all
            capabilities: [gpu]
    ports:
      - 6006:6006
    environment:
      - ACCESS_TOKEN=mytoken

接入 FastGPT

打开 FastGPT 模型配置，新增一个重排模型。
填写模型配置表单：模型 ID 为bge-reranker-base，地址填写{{host}}/v1/rerank，host 为你部署的域名/IP:Port。

QA

403报错

FastGPT中，自定义请求 Token 和环境变量的 ACCESS_TOKEN 不一致。

Docker 运行提示 `Bus error (core dumped)`

尝试增加 docker-compose.yml 配置项 shm_size ，以增加容器中的共享内存目录大小。

...
services:
  reranker:
    ...
    container_name: reranker
    shm_size: '2gb'
    ...