跳到正文
Dev.to Top Tech(dev.to)· Dave Mille·· 2 天前品質評分54

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

自備 Key 深度分析

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。

開啟原文
來源: Dev.to Top Tech (dev.to)
開啟原文

讀者討論

理性交流 · 即時討論