知识卡片
动态批处理
动态批处理在服务端等待短时间或收集到一定数量请求后一起推理,以提高硬件利用率和吞吐。等待本身增加排队时间,在高负载下可能减少整体拥塞;应根据延迟预算和流量实测批大小与等待窗口。
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
原书出处 · 1 处
- Serving and inference optimization · 查看原书依据
we wait for a short period (e.g., 20 ms or, say, 32 requests, whichever comes first)
参考来源
- 位置:《Machine Learning System Design》第15章《Serving and inference optimization》(来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Machine Learning System Design/_epub-src/OEBPS/Text/chapter-15.xhtml)
- 结论依据:原文的定义、对比或案例支持该说明,适用条件在正文注明。
- 原始内容:we wait for a short period (e.g., 20 ms or, say, 32 requests, whichever comes first)