知识卡片
缓存内存按真实头维度计算
标准多头注意力下,KV内存可粗估2×批次×序列×层数×模型维度×每值字节数。GQA/MQA中应改用KV头数乘头维度,而非完整模型维度。原书注意力O(n²)是平方增长,不是指数增长;两者都需与缓存线性增长区分。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 推理优化
原书出处 · 1 处
- · 查看原书依据
2×B×S×L×H×M
参考来源
- 位置:《AI工程:大模型应用开发实战》第9章《推理优化》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section017.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:2×B×S×L×H×M