上周面的一个985女生，问了Transformer模型的内存优化

Transformer 模型现在很火，内存优化又很重要。上周面试了一个 985 大学的女生，跟她谈到了 Transformer 模型的内存优化问题。

那么这个女生到底给出了哪些关于 Transformer 模型内存优化的独特思路呢？一起来看看。

01

什么是Transformer模型中的KV缓存？

Transformer 中文本是逐个 token 生成的，每次新的预测都会基于之前生成的所有 tokens 的上下文信息。

这种对顺序数据的依赖会减慢生成过程，因为每次预测下一个 token 都需要重新处理序列中所有之前的 tokens。

例如，要预测第 100 个 token，模型必须使用前 99 个 token 的信息，需要对这些 token 进行复杂的矩阵运算。预测第 101 个 token 时，也要对前 99 个 token 做类似计算，以及对第 100 个 token 的新计算。

如何简化呢？

答案是使用 KV 缓存。KV 缓存通过保存这些计算结果，使模型可以在生成后续 tokens 时直接访问这些结果，而不需要重新计算。

换句话说，在生成第 101 个 token 时，模型只需从 KV 缓存中检索前 99 个 token 的已存储数据，并只对第 100 个 token 执行必要的计算。

02

如何估算KV缓存消耗的内存大小？

KV 缓存通常使用 float16 或 bfloat16 数据类型以 16 位的精度存储张量。对于一个 token，KV 缓存会为每一层和每个注意力头存储一对张量（键和值）。

这些张量的大小由注意力头的维度决定，这对张量的总内存消耗（以字节为单位）可以通过以下公式计算：

层数 × KV 注意力头的数量 × 注意力头的维度 × (位宽 / 8) × 2

最后的 “2” 是因为有两组张量，也就是键和值。位宽通常为 16 位，由于 8 位是 1 字节，因此我们将位宽除以 8，这样在 KV 缓存中每 16 位参数占用 2 个字节。

我们以 Llama 3 8B 为例，这个公式就变为：

32 × 8 × 128 × 2 × 2 = 131,072

**注意：**Llama 3 8B 有 32 个注意力头，不过由于 GQA 的存在，只有 8 个注意力头用于键和值。

从上面可以看到，对于一个 token，KV 缓存占用 131,072 字节，差不多 0.1 MB。这看起来好像不大，但对于许多不同类型的应用，大模型需要生成成千上万的 tokens。

举个例子，如果我们想利用 Llama 3 8B 的全部 context 大小（8192），KV 缓存将为 8191 个 token 存储键值张量，差不多占用 1.1 G 内存。换句话说，对于一块 24G 显存的消费级 GPU，KV 缓存将占用其总内存的 4.5%。

而对于更大的模型，KV 缓存增长得更快。比如对于 Llama 3 70B，它有 80 层，公式变为：

80 × 8 × 128 × 2 × 2 = 327,680  

对于 8191 个 token，Llama 3 70B 的 KV 缓存将占用 2.7 GB。并且注意，这只是单个序列的内存消耗，如果我们进行批量解码，还需要将这个值乘以 batch size。

比如 batch size=32 的 Llama 3 8B 模型，将需要 35.2 GB 的 GPU 显存，一块消费级 GPU 显然搞不定了。

因此虽然在推理阶段用 KV 缓存可以提高处理速度，并且已经是业界标准做法，但是 KV 缓存在深层模型和长序列场景下，也会占据大量 GPU 内存。

而实际开发中，我们可以通过 KV 缓存量化，来降低推理阶段的 LLM 内存需求。后面我们将通过实际的例子（Llama 3 8B 模型），来看看如何对 KV 缓存进行量化的

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓