EPISODE · Jan 20, 2025 · 7 MIN
大规模Transformer模型推理的效率优化
from AI Podcast · host weedge
本播客深入探讨了如何高效地部署大型Transformer模型进行生成式推理,特别是在延迟敏感和长序列长度的场景下。我们将讨论模型并行策略、内存优化和低级优化技术,这些技术共同实现了在延迟和模型FLOPS利用率方面的新的帕累托前沿。
NOW PLAYING
大规模Transformer模型推理的效率优化
No transcript for this episode yet
Similar Episodes
Mar 26, 2026 ·1m
Jan 2, 2026 ·47m
Dec 21, 2025 ·46m