- 1、本文档共36页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
高效且高度可配置的
大模型推理引擎与服务
QCon2023全球软件开发大会上海站(公开)PPT
史树明
腾讯AILab
2023/12/29
Transformer推理
QCon2023全球软件开发大会上海站(公开)PPT
https://jalammar.github.io/illustrated-transformer/
大模型推理引擎:关键需求及核心技术
推理速度
吞吐率
QCon2023全球软件开发大会上海站(公开)PPT
结果质量
显存/内存占用
易用性/
多模型支持
大模型推理引擎:关键需求及核心技术
高效张量运算Flashdecoding
推理速度
算子融合推测解码(speculativedecoding)
CPU:多线程+SIMD指令并行解码(多token预测)
吞吐率
KV缓存动态批处理(dynamicbatching)
QCon2023全球软件开发大会上海站(公开)PPT
权重量化结果质量按层切分
量化
KV缓存量化按矩阵切分多卡推理
显存/内存占用
混合切分
解码策略
GPU/CPU混合推理易用性/分组查询注意力(GQA)
将KV缓存和embedding矩多模型支持基于原子技术点的组合泛化框架
阵放入内存
Inferflow:高效且高度可配置的大模型推理引擎与服务
高效张量运算Flashdecoding
推理速度
算子融合推测解码(speculativedecoding)
CPU:多线程+SIMD指令并行解码(多token预测)
吞吐率
KV缓存动态批处理(dynamicbatching)
QCon2023全球软件开发大会上海站(公开)PPT
权重量化结果质量按层切分
量化
KV缓存量化
您可能关注的文档
- AI Native 化的大前端开发模式.pdf
- aiXcoder 代码大模型在企业的应用实践.pdf
- Edith网关:面向小红书亿级DAU的网关大规模实践.pdf
- HVML 编程语言及其应用的跨端运行技术.pdf
- LLM 模型压缩与推理加速实践.pdf
- LLM 训练推理加速在阿里巴巴的实践.pdf
- LLM 在大数据研发治理套件 DataLeap 中的应用实践.pdf
- LLM的新技术与新实践.pdf
- LLM赋能声明式前端框架调试的实践与思考.pdf
- QCon十五年 致敬同路人 暨 2023 数字化践行者年度力量榜单发布会.pdf
- 新的一年工作展望.docx
- 医生年终个人工作的述职报告(3篇).docx
- 2023年消防设施操作员之消防设备中级技能考前冲刺练习题附答案详解.docx
- 2022-2023年环境影响评价工程师之环评技术导则与标准通关练习题包括详细解答.docx
- 2023年中级注册安全工程师之安全生产管理考前冲刺检测卷和答案.docx
- 2023年中级银行从业资格之中级银行管理考前冲刺测试卷提供答案解析.docx
- 2023年公共营养师之二级营养师通关模拟考试试卷附带答案.docx
- 证券分析师之发布证券研究报告业务考前冲刺模拟题库.docx
- 2022-2023年二级建造师之二建建设工程法规及相关知识综合提升测试卷附答案.docx
- 2023年二级建造师之二建机电工程实务通关模拟考试试卷提供答案解析.docx
文档评论(0)