知识卡片
分页管理减少内存碎片
PagedAttention把逻辑缓存映射到按需分配的物理块,减少预留浪费和碎片,并支持部分共享。这与量化或丢弃缓存内容不同:前者改变管理,后者可能改变表示精度或可用信息。评估应区分容量效率与模型质量影响。
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
将KV缓存划分为非连续的内存块来优化内存管理,减少内存碎片,并实现灵活的内存共享,从而提高了LLM的服务效率(Kwon等,“Efficient Memory Management for Large Language Model Serving wi
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:将KV缓存划分为非连续的内存块来优化内存管理,减少内存碎片,并实现灵活的内存共享,从而提高了LLM的服务效率(Kwon等,“Efficient Memory Management for Large Language Model Serving wi