原创力文档- 1、本文档共26页，其中可免费阅读8页，需付费200金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
大模型推理框架升级之路
肖彬
DataFunSummit#2024
我们将从四个优化专项介绍如何优化大模型推理框架性能
量化
投机采样
TTFT与TPOT的优化
通信优化
量化作为大模型最重要的性能优化手段，能有效降低显存占用，降低访存量，充分利用计算资源
01以下是大模型计算流程：
量化
Weight-int8+KV_cache_int8
最早上线的一个版本，显著降低显存占用，使得模型使用较少卡启动，增大服务承载能力，降低成本50%
weight跟kvcache在
文档评论（0）