返回全部题目← 上一题44 / 81下一题 →题库/模型基础与推理/Q-4802如何估算 KV Cache 显存，并分析批大小和上下文长度的限制？知识专题：推理优化与模型压缩题目类型：原理机制技术难度：进阶收录题集：5 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集5 份预训练与架构阿东玩 AI · AgentGuide · 2 条原题查看题集 →【KV Cache】KVCache怎么算、为什么大模型推理里需要KVCache。KV Cache是什么？为什么要有KV Cache？KV Cache为什么有效？ 「蚂蚁集团、阿里巴巴」KV Cache与注意力机制 「字节跳动、百度、腾讯、阿里巴巴」KV Cache的大小如何计算？MHA、MQA、GQA的KV Cache显存占比大概是多少？AI系统与训练推理工程阿东玩 AI · AgentGuide · 1 条原题查看题集 →在实际本地部署vLLM服务时，如何权衡上下文长度与显存占用的关系？是否应用过量化或动态批处理等技术？ 「腾讯混元」大模型基础AMIT SHEKHAR · ai-engineering-interview-questions · 1 条原题查看题集 →Estimate the KV cache memory needed to serve a large model. How does it constrain batch size and context length?大模型与多模态数学专题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →为什么长上下文的核心瓶颈是注意力复杂度和 KV Cache？AI Infra：训练、推理与 GPU 平台工程Onefly · zero2Agent · 1 条原题查看题集 →KV Cache 占用如何计算，为什么不能只按请求数做容量规划？相关题目4 题0274Decoder-only 的 KV Cache 为什么缓存 K、V 而通常不缓存 Q？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0277FlashAttention 为什么能节省显存并提速，是否改变注意力结果？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0502有哪些大模型推理加速技术？同一知识专题题目类型：方案设计技术难度：进阶相关面经：3 篇0503模型剪枝、GPTQ 与 AWQ 量化方法。同一知识专题题目类型：比较选型技术难度：进阶相关面经：3 篇♥♥♥♥♥← 上一题已到最后一题← 上一题大语言模型的上下文窗口为什么有限？下一题 →流水线并行推理时，如何减少设备空闲并提高利用率？
