最新下载
热门教程
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
HCIE-AI：大模型压缩和部署
时间：2026-07-12 10:30:46 编辑：袖梨 来源：一聚教程网
1.概述
本文主要介绍模型部署和压缩和一些大模型开发。
2. 目标
3. AI应用开发流程
4. 如何降低模型部署成本？
5. 模型压缩技术
5.1 小模型压缩方法
5.2 大模型压缩技术
由于Prefill是一次模型的推理，而Decoding则要反复迭代很多次，优化重点在降低带宽需求，而不是降低计算量
① KV Cache压缩技术
Streaming LLM
FastGen -- 自适应KV cache压缩
MQA与GQA
② 大模型压缩技术
LLM Pruner：高效率大模型剪枝算法
One-shot权重稀疏化：大模型权重稀疏压缩，缓解存储与访存压力
大模型PTQ量化：高效率量化，W8A8、W8A16与W4A16是典型方式
权重低比特量化：INT4量化，模型压缩4倍，提升权重搬运效率
6. 模型压缩工具介绍
ModelSlim
训练加速-模型低秩分解
训练加速-模型稀疏加速训练
推理加速-大模型量化
推理加速-大模型稀疏量化和权重压缩
推理加速-训练后量化(ONNX)
推理加速-训练后量化（MindSpore）
推理加速-模型剪枝
推理加速-模型蒸馏
7. 大模型部署框架介绍
8. 大模型应用开发
8.1 大模型应用开发流程
8.2 为什么需要RAG？
8.3 向量数据库
工作流程：
向量数据库解决的问题：
为什么使用向量数据库？
向量数据库构建
9. 总结
本文主要介绍了模型部署和压缩相关内容以及大模型应用开发，笔试占比6%。
相关文章
- 《背包英雄》攻击模式分享 07-12
- 异环开荒攻略 异环新手入门全流程指南 07-12
- 三星Galaxy Z Flip3价格 07-12
- 《背包英雄》道具特质分享 07-12
- 抖音app苹果版在哪儿找-抖音app在App-Store怎么安装 07-12
- 微云网盘资源搜索方法-微云网盘群组资源与文件查找技巧 07-12