AI硬體與軟體堆疊

在推論中將批次大小加得過大時的缺點,下列何者正確?

  1. A等待要集中處理的輸入到齊的時間,以及單次處理的時間增加,使單一請求的回應變慢,也會用掉更多記憶體
  2. B權重的值會改變,使答案不準確
  3. C運算強度下降,效率變差
查看答案與解析

正確答案:A. 等待要集中處理的輸入到齊的時間,以及單次處理的時間增加,使單一請求的回應變慢,也會用掉更多記憶體

加大批次雖然會提高整體處理量(吞吐量),但要等其他輸入湊齊,而且集中處理的部分也使單次計算變長,因此單一請求得到回應的時間(延遲)會變長。中間結果與KV快取的記憶體也會隨批次成正比增加。在對話型應用程式中,是在能守住回應速度目標的範圍內加大批次。

  • A. 正確。需要在處理量與回應速度之間取得平衡。
  • B. 權重不會改變。
  • C. 運算強度反而會上升。
練習這個領域 前往領域頁面

AI硬體與軟體堆疊的其他題目

  1. 大型語言模型的推論分為集中處理輸入文章的階段(預填充)與逐一產生一個token輸出的階段(解碼)。下列何者是分別主要決定兩者效能之因素的正確組合(批次較小的情形)?
  2. 大型語言模型推論中使用的KV快取,其作用下列何者正確?
  3. 在大型語言模型的推論中處理長文章或大批次時,容易成為問題的是下列何者?
  4. 以記憶體頻寬2 TB/s的GPU,在批次大小為1的情況下,對權重為FP16約14 GB的模型進行解碼。產生1個token所需時間的下限最接近下列何者?
  5. Transformer的自注意力之計算量,會如何隨輸入序列長度n增加?