> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# NVIDIA NeMo Inference Microservice 배포 Job

W\&B의 모델 Artifacts 를 NVIDIA NeMo Inference Microservice로 배포하세요. 이를 위해 W\&B Launch 를 사용합니다. W\&B Launch 는 모델 Artifacts 를 NVIDIA NeMo 모델로 변환하고 실행 중인 NIM/Triton 서버 에 배포합니다.

W\&B Launch 는 현재 다음과 같은 호환 모델 타입을 지원합니다:

1. [Llama2](https://llama.meta.com/llama2/)
2. [StarCoder](https://github.com/bigcode-project/starcoder)
3. NV-GPT (출시 예정)

<Note>
  배포 시간은 모델 및 머신 유형에 따라 다릅니다. 기본 Llama2-7b 설정은 Google Cloud의 `a2-ultragpu-1g`에서 약 1분 정도 소요됩니다.
</Note>

## 퀵스타트

1. 아직 생성하지 않았다면 [Launch queue를 생성](/platform/launch/add-job-to-queue/)하세요. 아래의 예시 큐 설정을 참고하십시오.

   ```yaml theme={null}
   net: host
   gpus: all # 특정 GPU 세트 또는 전체 사용을 위해 `all`로 설정할 수 있습니다
   runtime: nvidia # nvidia 컨테이너 런타임이 필요합니다
   volume:
     - model-store:/model-store/
   ```

   <Frame>
     <img src="https://mintcdn.com/wb-21fd5541-serverless-sft-revamp/IRi-6mj09rKBO-jh/images/integrations/nim1.png?fit=max&auto=format&n=IRi-6mj09rKBO-jh&q=85&s=b1317a015ded5beff6dcf06ccda8424d" alt="image" width="972" height="570" data-path="images/integrations/nim1.png" />
   </Frame>

2. 프로젝트 에 다음 job을 생성합니다:

   ```bash theme={null}
   wandb job create -n "deploy-to-nvidia-nemo-inference-microservice" \
      -e $ENTITY \
      -p $PROJECT \
      -E jobs/deploy_to_nvidia_nemo_inference_microservice/job.py \
      -g andrew/nim-updates \
      git https://github.com/wandb/launch-jobs
   ```

3. GPU 머신에서 에이전트 를 실행합니다:
   ```bash theme={null}
   wandb launch-agent -e $ENTITY -p $PROJECT -q $QUEUE
   ```

4. [Launch UI](https://wandb.ai/launch)에서 원하는 설정을 입력하여 배포 Launch job을 제출합니다.
   1. CLI를 통해서도 제출할 수 있습니다:
      ```bash theme={null}
      wandb launch -d gcr.io/playground-111/deploy-to-nemo:latest \
        -e $ENTITY \
        -p $PROJECT \
        -q $QUEUE \
        -c $CONFIG_JSON_FNAME
      ```
      <Frame>
        <img src="https://mintcdn.com/wb-21fd5541-serverless-sft-revamp/IRi-6mj09rKBO-jh/images/integrations/nim2.png?fit=max&auto=format&n=IRi-6mj09rKBO-jh&q=85&s=620812595b409db2adc12fd0094aa13d" alt="image" width="903" height="1263" data-path="images/integrations/nim2.png" />
      </Frame>

5. Launch UI에서 배포 프로세스 를 추적할 수 있습니다.
   <Frame>
     <img src="https://mintcdn.com/wb-21fd5541-serverless-sft-revamp/IRi-6mj09rKBO-jh/images/integrations/nim3.png?fit=max&auto=format&n=IRi-6mj09rKBO-jh&q=85&s=2680aab6687d5e7e6638af221c77db79" alt="image" width="928" height="692" data-path="images/integrations/nim3.png" />
   </Frame>

6. 완료되면 즉시 엔드포인트에 curl을 보내 모델 을 테스트할 수 있습니다. 모델 이름은 항상 `ensemble`입니다.
   ```bash theme={null}
    #!/bin/bash
    # 엔드포인트 테스트를 위한 curl 명령
    curl -X POST "http://0.0.0.0:9999/v1/completions" \
        -H "accept: application/json" \
        -H "Content-Type: application/json" \
        -d '{
            "model": "ensemble",
            "prompt": "Tell me a joke",
            "max_tokens": 256,
            "temperature": 0.5,
            "n": 1,
            "stream": false,
            "stop": "string",
            "frequency_penalty": 0.0
            }'
   ```