返回全部题目← 上一题59 / 81下一题 →题库/模型基础与推理/Q-5606CUDA Graph 如何降低推理提交开销，对形状和显存有什么要求？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：4 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4 份边云端部署知识点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →什么是cuda-graph？模型部署精华 · 大模型部署技术Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →什么是CUDA Graph？为什么它能降低大模型推理中的Launch Overhead？模型部署精华 · 性能分析与调优工具Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Kernel Launch Overhead 在大模型 Decode 阶段为什么尤为突出？CUDA Graph 如何缓解？AI Infra：训练、推理与 GPU 平台工程Onefly · zero2Agent · 1 条原题查看题集 →CUDA Graph 为什么能降低推理开销？为什么可能额外占显存，Prefill 与 Decode 哪个阶段更适合？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← 上一题低精度浮点与整数量化在表示、缩放和硬件执行上有什么区别？下一题 →视觉 Token 剪枝与合并如何利用文本相关性和模型阶段选择保留信息？
