DeepTutor 如何調整 vLLM,避免本機推論在第 12 輪耗盡記憶體
Keeping DeepTutor's Local Inference Alive Past the Twelfth Turn
重點導讀
DeepTutor 用 vLLM 在本機帶微積分課時,GPU 記憶體會在對話進行到第 12 輪時耗盡,重啟後也救不回沒存下來的對話。
- 作者分享的設定把上下文長度縮到 8192 tokens、使用 FP8 KV cache,並限制同時處理的請求數。
- 他也提醒,DeepTutor 要先把對話整理並存好,才能縮短送給模型的內容。這些調整能替記憶體留出空間,但整理得太多,也可能失去學生先前的學習狀況。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處dev.to
Keeping DeepTutor's Local Inference Alive Past the Twelfth Turn
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Dev.to Top Tech (dev.to)
開啟原文