返回全部题目← 上一题83 / 103下一题 →题库/模型基础与推理/Q-7803本地部署大模型推理时，显存由哪些部分构成，如何估算？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：进阶相关面经：1 篇暂无参考答案未标记未标记待复习已掌握收藏问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）自动带入当前题目反馈（在 GitHub 新标签页打开）本题目录相关面经相关题目相关面经1 篇字节跳动AI 应用开发工程师2026-10-22一面、二面查看原面经 →为什么选择本地部署？占用多少显存？分别由什么构成？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：3 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：6 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：5 篇♥♥♥♥♥← 上一题已到最后一题← 上一题vLLM 从接收请求到逐 Token 生成的推理流程是什么？下一题 →用 CUDA 实现 FlashAttention 时，应关注哪些计算和访存优化？
