> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/language-models/aphrodite-engine.md).

# Aphrodite Engine

Clore.ai पर पुराने और आधुनिक GPU पर LLM इन्फ़रेंस के लिए Aphrodite Engine चलाएँ

Aphrodite Engine एक अनुकूलित LLM इन्फरेंस सर्वर है, जो vLLM के ऊपर बना है और खास तौर पर रचनात्मक लेखन तथा रोलप्ले समुदाय के लिए तैयार किया गया है। यह Pascal (GTX 1000 सीरीज़) से शुरू होने वाले GPU की एक विस्तृत श्रृंखला का समर्थन करता है, जिससे यह पुराने या बजट CLORE.AI GPU सर्वरों पर भाषा मॉडल चलाने के लिए एक बेहतरीन विकल्प बन जाता है, जहाँ अन्य फ्रेमवर्क विफल हो जाते हैं। Aphrodite में Kobold-संगत API, Mirostat सैंपलिंग, और उन्नत टेक्स्ट सैंपलिंग एल्गोरिद्म शामिल हैं जो मुख्यधारा के सर्विंग फ्रेमवर्क में नहीं मिलते।

{% hint style="success" %}
सभी उदाहरण GPU सर्वरों पर चलाए जा सकते हैं, जिन्हें किराए पर लिया गया है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace).
{% endhint %}

## सर्वर आवश्यकताएँ

| पैरामीटर | न्यूनतम                    | अनुशंसित       |
| -------- | -------------------------- | -------------- |
| RAM      | 16 GB                      | 32 GB+         |
| VRAM     | 6 GB                       | 16 GB+         |
| डिस्क    | 40 GB                      | 150 GB+        |
| GPU      | NVIDIA Pascal+ (GTX 1060+) | RTX 3090, A100 |

{% hint style="info" %}
Aphrodite Engine उन कुछ LLM सर्वरों में से एक है जो Pascal-पीढ़ी के GPUs (GTX 10xx सीरीज़) का समर्थन करता है। यह इसे CLORE.AI पर पुराने GPU वाले बजट सर्वरों के लिए आदर्श बनाता है, जिनकी किराये की कीमतें कम होती हैं।
{% endhint %}

## CLORE.AI पर त्वरित परिनियोजन

**Docker इमेज:** `alpindale/aphrodite-engine:latest`

**पोर्ट:** `22/tcp`, `2242/http`

**Environment Variables:**

| वेरिएबल           | उदाहरण                               | विवरण                                |
| ----------------- | ------------------------------------ | ------------------------------------ |
| `HF_TOKEN`        | `hf_xxx...`                          | गेटेड मॉडल्स के लिए HuggingFace टोकन |
| `APHRODITE_MODEL` | `mistralai/Mistral-7B-Instruct-v0.3` | लोड करने के लिए मॉडल                 |

## चरण-दर-चरण सेटअप

### 1. CLORE.AI पर GPU Server किराए पर लें

Aphrodite का व्यापक GPU समर्थन आपको बजट-अनुकूल सर्वर लेने देता है [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace):

* **Pascal (GTX 1060–1080 Ti)**: 6–11 GB VRAM — क्वांटाइज़ेशन के साथ छोटे 3B-7B मॉडल चलाएँ
* **Turing (RTX 2000 सीरीज़)**: 8–24 GB VRAM — 7B-13B मॉडल, बेहतर प्रदर्शन
* **Ampere (RTX 3000/A100)**: 24–80 GB VRAM — 30B-70B मॉडल, पूरी गति
* **Ada (RTX 4000 सीरीज़)**: 16–24 GB VRAM — सर्वोत्तम प्रदर्शन/लागत अनुपात

### 2. SSH के माध्यम से कनेक्ट करें

```bash
ssh -p <PORT> root@<SERVER_IP>
```

### 3. Aphrodite Engine इमेज पुल करें

```bash
docker pull alpindale/aphrodite-engine:latest
```

### 4. Aphrodite Engine लॉन्च करें

**7B मॉडल के साथ बुनियादी लॉन्च:**

```bash
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /root/models:/root/.cache/huggingface \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model mistralai/Mistral-7B-Instruct-v0.3 \
    --host 0.0.0.0 \\
    --port 2242 \
    --max-model-len 4096
```

**HuggingFace टोकन के साथ (Llama 3):**

```bash
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /root/models:/root/.cache/huggingface \
  -e HF_TOKEN=hf_your_token_here \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model meta-llama/Meta-Llama-3-8B-Instruct \
    --host 0.0.0.0 \\
    --port 2242 \
    --dtype bfloat16 \
    --max-model-len 8192
```

**GPTQ क्वांटाइज़ेशन के साथ (सीमित VRAM के लिए):**

```bash
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /root/models:/root/.cache/huggingface \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model TheBloke/Mistral-7B-Instruct-v0.2-GPTQ \
    --host 0.0.0.0 \\
    --port 2242 \
    --quantization gptq \
    --max-model-len 4096
```

**AWQ क्वांटाइज़ेशन के साथ:**

```bash
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /root/models:/root/.cache/huggingface \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model casperhansen/mistral-7b-instruct-v0.2-awq \
    --host 0.0.0.0 \\
    --port 2242 \
    --quantization awq \\
    --max-model-len 4096
```

**GGUF मॉडल चलाना (Aphrodite मूल रूप से GGUF का समर्थन करता है):**

```bash
# सबसे पहले GGUF फ़ाइल डाउनलोड करें
docker exec -it aphrodite bash -c "
pip install huggingface_hub
python3 -c \"from huggingface_hub import hf_hub_download; hf_hub_download(
    repo_id='TheBloke/Mistral-7B-Instruct-v0.2-GGUF',
    filename='mistral-7b-instruct-v0.2.Q4_K_M.gguf',
    local_dir='/root/models/mistral-gguf'
\"
"

# फिर GGUF के साथ लॉन्च करें
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /root/models:/models \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model /models/mistral-gguf/mistral-7b-instruct-v0.2.Q4_K_M.gguf \
    --host 0.0.0.0 \\
    --port 2242 \
    --tokenizer mistralai/Mistral-7B-Instruct-v0.2
```

### 5. सर्वर सत्यापित करें

```bash
# लॉग्स जांचें
docker logs -f aphrodite

# हेल्थ चेक
curl http://localhost:2242/health

# लोड किए गए मॉडल सूचीबद्ध करें
curl http://localhost:2242/v1/models
```

### 6. CLORE.AI HTTP प्रॉक्सी के माध्यम से एक्सेस करें

CLORE.AI ऑर्डर पैनल एक `http_pub` पोर्ट 2242 के लिए URL प्रदान करता है। इसे अपने क्लाइंट एप्लिकेशन में उपयोग करें:

```
https://<order-id>-2242.clore.ai/v1
```

***

## उपयोग के उदाहरण

### उदाहरण 1: OpenAI-संगत चैट

```bash
curl http://localhost:2242/v1/chat/completions \
  -X POST \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "mistralai/Mistral-7B-Instruct-v0.3",
    "messages": [
      {"role": "system", "content": "आप एक रचनात्मक लेखक हैं जो फैंटेसी फिक्शन में विशेषज्ञता रखते हैं."},
      {"role": "user", "content": "एक ऐसे ड्रैगन के बारे में एक छोटी कहानी शुरू करें जो पेंट करना सीखता है."}
    ],
    "max_tokens": 500,
    "temperature": 0.9,
    "top_p": 0.95
  }'
```

### उदाहरण 2: Mirostat के साथ उन्नत सैंपलिंग

Aphrodite अधिक सुसंगत लंबा-फ़ॉर्म टेक्स्ट के लिए Mirostat सैंपलिंग का समर्थन करता है:

```bash
curl http://localhost:2242/v1/completions \
  -X POST \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "mistralai/Mistral-7B-Instruct-v0.3",
    "prompt": "कभी साइबरपंक शहर में,",
    "max_tokens": 400,
    "mirostat_mode": 2,
    "mirostat_tau": 5.0,
    "mirostat_eta": 0.1
  }'
```

### उदाहरण 3: Kobold-संगत API

Aphrodite में KoboldAI-आधारित फ्रंटएंड के साथ उपयोग के लिए Kobold-संगत endpoint शामिल है:

```bash
# Kobold जनरेशन endpoint
curl http://localhost:2242/api/v1/generate \
  -X POST \
  -H 'Content-Type: application/json' \
  -d '{
    "prompt": "स्पेसशिप हाइपरस्पेस में प्रवेश कर गई,",
    "max_length": 200,
    "temperature": 0.8,
    "top_p": 0.92,
    "rep_pen": 1.15
  }'
```

### उदाहरण 4: कस्टम सैंपलर्स के साथ Python क्लाइंट

```python
from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:2242/v1",
    api_key="none",
)

# तैयार किए गए सैंपलर्स के साथ रचनात्मक लेखन
response = client.chat.completions.create(
    model="mistralai/Mistral-7B-Instruct-v0.3",
    messages=[
        {
            "role": "user",
            "content": "तारों के बीच की खामोशी के बारे में एक कविता लिखें.",
        }
    ],
    max_tokens=300,
    temperature=1.1,
    top_p=0.95,
    frequency_penalty=0.3,
    presence_penalty=0.2,
)

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

### उदाहरण 5: बैच कम्प्लीशंस

```python
import requests

BASE_URL = "http://localhost:2242"

prompts = [
    "प्राचीन जादूगर ने अपना ग्रंथ खोला और",
    "नियॉन-रोशनी वाली गली में, जासूस ने देखा",
    "पृथ्वी पर अंतिम AI ने रोबोट से कहा:",
]

for prompt in prompts:
    response = requests.post(
        f"{BASE_URL}/v1/completions",
        json={
            "model": "mistralai/Mistral-7B-Instruct-v0.3",
            "prompt": prompt,
            "max_tokens": 150,
            "temperature": 0.85,
            "top_k": 50,
            "top_p": 0.95,
            "repetition_penalty": 1.1,
        },
    )
    result = response.json()
    print(f"प्रॉम्प्ट: {prompt}")
    print(f"जारी: {result['choices'][0]['text']}\n")
```

***

## कॉन्फ़िगरेशन

### मुख्य लॉन्च पैरामीटर

| पैरामीटर                   | डिफ़ॉल्ट    | विवरण                                        |
| -------------------------- | ----------- | -------------------------------------------- |
| `--model`                  | आवश्यक      | मॉडल ID या स्थानीय पथ                        |
| `--host`                   | `127.0.0.1` | बाइंड पता                                    |
| `--port`                   | `2242`      | सर्वर पोर्ट                                  |
| `--dtype`                  | `auto`      | `float16`, `bfloat16`, `float32`             |
| `--quantization`           | none        | `awq`, `gptq`, `squeezellm`, `fp8`           |
| `--max-model-len`          | अधिकतम मॉडल | अधिकतम संदर्भ लंबाई को ओवरराइड करें          |
| `--gpu-memory-utilization` | `0.90`      | GPU मेमोरी का अंश                            |
| `--tensor-parallel-size`   | `1`         | टेंसर पैरललिज़्म के लिए GPU की संख्या        |
| `--max-num-seqs`           | `256`       | अधिकतम समवर्ती अनुक्रम                       |
| `--trust-remote-code`      | false       | कस्टम मॉडल कोड की अनुमति दें                 |
| `--api-keys`               | none        | प्रमाणीकरण के लिए कॉमा-सेपरेटेड API कुंजियाँ |
| `--served-model-name`      | मॉडल नाम    | API प्रतिक्रियाओं के लिए कस्टम नाम           |

### API कुंजी प्रमाणीकरण जोड़ना

```bash
python3 -m aphrodite.endpoints.openai.api_server \
  --model mistralai/Mistral-7B-Instruct-v0.3 \
  --host 0.0.0.0 \\
  --port 2242 \
  --api-keys "mysecretkey1,mysecretkey2"
```

फिर उपयोग करें `Authorization: Bearer mysecretkey1` अनुरोधों में।

### स्थानीय मॉडल लोड करना

```bash
# अपनी मॉडल निर्देशिका माउंट करें और उसे संदर्भित करें
docker run -d \\
  --name aphrodite \
  --gpus all \\
  --ipc host \
  -p 2242:2242 \
  -v /path/to/your/model:/model \
  alpindale/aphrodite-engine:latest \
  python3 -m aphrodite.endpoints.openai.api_server \
    --model /model \
    --host 0.0.0.0 \\
    --port 2242
```

***

## प्रदर्शन सुझाव

### 1. अपने GPU के लिए सही क्वांटाइज़ेशन चुनें

| GPU VRAM | 7B मॉडल     | 13B मॉडल      | 30B मॉडल |
| -------- | ----------- | ------------- | -------- |
| 6 GB     | GPTQ/AWQ Q4 | ❌             | ❌        |
| 8 GB     | GPTQ Q4     | GPTQ Q4 (तंग) | ❌        |
| 12 GB    | Float16     | GPTQ Q4       | ❌        |
| 16 GB    | Float16     | Float16       | GPTQ Q4  |
| 24 GB    | Float16     | Float16       | GPTQ Q4  |
| 48 GB    | Float16     | Float16       | Float16  |

### 2. GPU मेमोरी उपयोग को ट्यून करें

```bash
--gpu-memory-utilization 0.93  # KV cache को और अधिक निचोड़ें
```

कम से शुरू करें और यदि OOM त्रुटियाँ न मिलें तो बढ़ाएँ।

### 3. Ampere+ GPUs पर bfloat16 का उपयोग करें

```bash
--dtype bfloat16
```

float16 से बेहतर संख्यात्मक स्थिरता, समान गति।

### 4. रोलप्ले/रचनात्मक लेखन के लिए अनुकूलित करें

ये सैंपलर कथात्मक टेक्स्ट के लिए अच्छी तरह काम करते हैं:

```json
{
  "temperature": 0.85,
  "top_p": 0.92,
  "top_k": 40,
  "repetition_penalty": 1.12,
  "mirostat_mode": 2,
  "mirostat_tau": 5.0
}
```

### 5. Pascal GPU टिप्स (GTX 10xx)

Pascal GPUs के लिए, Flash Attention से बचें (समर्थित नहीं):

```bash
--dtype float16  # float32 if you get NaN errors
--max-model-len 2048  # Reduce context for memory savings
```

***

## समस्या निवारण

### समस्या: "CUDA capability sm\_6x समर्थित नहीं है"

Pascal GPUs को विशेष हैंडलिंग की आवश्यकता होती है। उपयोग करें:

```bash
--dtype float16
```

यदि फिर भी विफल हो रहा है, तो जाँचें कि इमेज संस्करण Pascal का समर्थन करता है या नहीं:

```bash
docker pull alpindale/aphrodite-engine:v0.5.4  # विशिष्ट संस्करण आज़माएँ
```

### समस्या: छोटे GPUs पर "मेमोरी से बाहर"

```bash
--gpu-memory-utilization 0.85
--max-model-len 2048
--quantization gptq  # या awq
```

### समस्या: धीमी टोकन जनरेशन

* जाँचें कि GPU वास्तव में उपयोग हो रहा है: `nvidia-smi` कंटेनर के अंदर
* बड़े बैच आकार सक्षम करें: `--max-num-seqs 64`
* GPTQ के बजाय AWQ का उपयोग करें (तेज़ इन्फरेंस)

### समस्या: मॉडल नहीं मिला / 404 त्रुटियाँ

हमेशा जाँचें कि आपका मॉडल नाम बिल्कुल मेल खाता है:

```bash
curl http://localhost:2242/v1/models
```

अपने अनुरोधों में प्रतिक्रिया से ठीक वही मॉडल नाम उपयोग करें।

### समस्या: बार-बार दोहराया जाने वाला आउटपुट

पुनरावृत्ति दंड जोड़ें:

```json
{
  "repetition_penalty": 1.15,
  "frequency_penalty": 0.3
}
```

### समस्या: Docker कंटेनर चुपचाप बाहर निकल जाता है

```bash
docker logs aphrodite 2>&1 | tail -100
# सामान्य कारण: अपर्याप्त VRAM, अमान्य मॉडल पथ
```

***

## लिंक्स

* [GitHub](https://github.com/PygmalionAI/aphrodite-engine)
* [दस्तावेज़ीकरण](https://aphrodite.pygmalion.chat)
* [डॉकर हब](https://hub.docker.com/r/alpindale/aphrodite-engine)
* [समर्थित मॉडल](https://github.com/PygmalionAI/aphrodite-engine?tab=readme-ov-file#supported-models)
* [CLORE.AI मार्केटप्लेस](https://clore.ai/marketplace)

***

## Clore.ai GPU अनुशंसाएँ

| उपयोग-प्रकरण       | अनुशंसित GPU     | Clore.ai पर अनुमानित लागत |
| ------------------ | ---------------- | ------------------------- |
| विकास/परीक्षण      | RTX 3090 (24GB)  | $0.07–0.21/gpu/hr         |
| प्रोडक्शन (7B–13B) | RTX 4090 (24GB)  | $0.14–0.42/gpu/hr         |
| बड़े मॉडल (70B+)   | A100 80GB / H100 | \~$1.04/gpu/hr            |

> 💡 इस गाइड के सभी उदाहरण [Clore.ai](https://clore.ai/marketplace) GPU servers पर तैनात किए जा सकते हैं। उपलब्ध GPUs ब्राउज़ करें और घंटे के हिसाब से किराए पर लें — कोई प्रतिबद्धता नहीं, पूर्ण root access.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-hi/language-models/aphrodite-engine.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.