跳到正文
AGI Hunt· goyalshaliniuk·· 2 小时前AI 评分48

vLLM 的 PagedAttention 如何以虚拟内存方式管理 KV Cache 并提升服务吞吐

PagedAttention 把 KV Cache 当虚拟内存管理,大幅提升服务吞吐

AI 导读

vLLM 的 PagedAttention 将 KV Cache 划分为固定大小的小块并按需动态分配,以减少 GPU 显存碎片、提升服务吞吐。同等显存可容纳更多并发请求,并让多个请求更高效地共享 GPU 内存;文中所链 vLLM GitHub 仓库有 97.2k stars、25.1k forks,由 2000+ 贡献者维护。

来源:AGI Hunt · agihunt.info