一篇新论文探讨了Nvidia Hopper架构上大型语言模型(LLM)推理的GPU利用率的复杂性。研究强调,单一的利用率百分比可能具有误导性,掩盖了在解码操作期间的低效率,此时小批量请求仅部分填充计算片段。该研究提出使用源自Nsight Compute报告的八个不同、经过反向验证的视图,将利用率差距映射到诸如片段填充、占用率限制和内核选择等特定机制。 AI
影响 为优化高端GPU上的LLM推理性能提供了更深入的见解,可能导致更高效的部署。
排序理由 该集群包含一篇详细介绍LLM推理性能技术研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →