久久久九九九一级大片a|一级黄片黄片一级一级|三级无码视频免费操人视频|成人精品A片亚州一区二区|亚洲日韩欧美在线一二区|91丝袜一区二区|国摸私拍电影一区二区爱|免费久久久久久久久久久久|免费国产黄色av发布网址|国产精品人妻人伦a 6 2v久动漫

DoNews9月10日消息，英偉達(dá) 9 日 宣布推出名為 TensorRT-LLM的深度優(yōu)化的開源庫，能夠在 Hopper 等 AI GPU 上加速所有大語言模型的推理性能。

據(jù)悉，英偉達(dá)目前已經(jīng)和開源社區(qū)合作，利用 SmoothQuant、FlashAttention 和 fMHA 等尖端技術(shù)，實現(xiàn) AI 內(nèi)核來優(yōu)化其 GPU，可以加速 GPT-3（175 B），Llama Falcom（180 B）和 Bloom 模型。

TensorRT-LLM 的亮點在于引入了名為 In-Flight batching 的調(diào)度方案，允許工作獨立于其他任務(wù)進(jìn)入和退出 GPU。該方案允許同一 GPU 在處理大型計算密集型請求時，動態(tài)處理多個較小的查詢，提高 GPU 的處理性能，可以讓 H100 的吞吐量加快 2 倍。

在性能測試中，英偉達(dá)以 A100 為基礎(chǔ)，對比了 H100 以及啟用 TensorRT-LLM 的 H100，在 GPT-J 6B 推理中，H100 推理性能比 A100 提升 4 倍，而啟用 TensorRT-LLM 的 H100 性能是 A100 的 8 倍。

在 Llama 2 中，H100 推理性能是 A100 的 2.6 倍；而啟用 TensorRT-LLM 的 H100 性能是 A100 的 4.6 倍。