- 1、本文档共29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)。
构建云原生的端到端
生成式AI应用
QCon2023全球软件开发大会上海站(公开)PPT
亚马逊云科技解决方案架构师/肖元君
议程
•大模型推理面临的挑战
•通过AmazonSageMaker和AmazonBedrock降低大模型推理复杂度
•构建端到端的生成式AI应用与Demo演示
QCon2023全球软件开发大会上海站(公开)PPT
大模型推理面临的挑战
复杂性性能成本
模型体量大模型编译模型编译
QCon2023全球软件开发大会上海站(公开)PPT
模型并行模型压缩模型托管成本
模型serving延迟运营开销
基础设施设置吞吐量待部署和管理的模型数量
可用性
模型多卡并行推理方式
QCon2023全球软件开发大会上海站(公开)PPT
Tensorparallel–IntralayerPipelineparallelism–Interlayer
模型压缩
•模型Pruning
•模型蒸馏
•模型量化(BitsandBytes,GPTQ,SmoothQuant)
QCon2023全球软件开发大会上海站(公开)PPT
PruningDistillation
Attention层计算优化
QCon2023全球软件开发大会上海站(公开)PPT
FlashAttention
PageAttention
ContinuousBatching
QCon2023全球软件开发大会上海站(公开)PPT
LLM推理优化框架
•DeepSpeedinference•HuggingFaceAccelerate
•模型量化•PP
•TensorParallel•模型量化
•MoE推理(模型蒸馏)
•HuggingFaceTGI•TensorRT-LLM
•TP
•Attention计算优化(FlashAttentionandPagedAttention)
•Continuousbatching
QCon2023全球软件开发大会上海站(公开)PPT
•模型量化
•NvidiaFasterTransformer
•模型压缩
•TP/PP
•模型量化
•vLLM
•TP
•Continuousbatching
•P
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
- 网络性能保障概要课件.pptx
- 万向节项目市场研究报告及运营管理方案|瑞克咨询|2024年编|.docx
- 不停电电源(UPS)项目市场研究报告及运营管理方案|瑞克咨询|2024年编|.docx
- PCB高纯化学品项目市场研究报告及运营管理方案|瑞克咨询|2024年编|.docx
- 网络工程与综合布线(9)课件.pptx
- LED电源项目可行性研究报告及运营方案|瑞克咨询|2024年编|.docx
- 不锈钢项目可行性研究报告及运营方案|瑞克咨询|2024年编|.docx
- 乙醇项目可行性研究报告及运营方案|瑞克咨询|2024年编|.docx
- 乳胶枕项目可行性研究报告及运营方案|瑞克咨询|2024年编|.docx
- 网络基础知识教学课件.pptx
文档评论(0)