文档摘要

第 6 章 · 量化与并行：把显存账砍半、把卡用满 章节摘要：前五章解决了"用得好"，本章解决"装得下、算得动"：模型权重超出单卡容量时，张量并行与流水线并行把模型摊到多张卡上（6.1）；精度冗余时，AWQ、GPTQ、FP8 量化把权重与 KV Cache 的字节数砍半甚至砍到四分之一（6.2）。读完本章，你能为任意规模的模型画出部署拓扑，并说出每种方案的显存收益与质量代价。 会员。《第 6 章 量化与并行：把显存账砍半、把卡用满》收录于灏天文库文集《vLLM》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/828-vllm

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流