 |
Chihaya0824🏢 雑魚 V2EX member #432561, joined on 2019-07-28 21:24:43 +08:00Today's activity rank 3185 |
 |
Per Chihaya0824's settings, the topics list is only visible after you sign in |
Deals info, including closed deals, is not hidden
Chihaya0824's recent replies
5h 6m ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
@Chihaya0824 游戏显卡少 2 倍的 tensor core 性能的 “游戏显卡的 2 倍的 tensor core 性能的” 打错了不好意思
5h 10m ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
@Gnnbb BF16 over TF32 accumulation 怀疑是有 5090 一样的游戏显卡的非解锁算力，总之就是很慢
pro 卡一般是和同 die 的游戏显卡少 2 倍的 tensor core 性能的
pro 卡一般是和同 die 的游戏显卡少 2 倍的 tensor core 性能的
1 day ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
@yiranw09 是，没有 matmul 加速导致的，但是 m5 也并没有解决什么问题，目前只支持 fp16/bf16/int8 的加速，不恰当的例子你可以理解为他停留在 sm80(A100)时代
1 day ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
@yiranw09 不是，Mac 带宽可以的，我说的是 prompt processing 慢，就是你给他大量长文本的时候你要等很久才会开始吐字，以及并发使用的时候会很慢
1 day ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
还有别买 pro 6000D ，一买一个不吱声
1 day ago Replied to a topic by yiranw09 › Local LLM › 请教一下，本地部署 deepseekV4flash 大概需要什么样的配置需求？ |
别买 mac, PP 拉完了，同理由不推荐 dgx spark/AI max 395 ，除非是愿意等那其实 ok （ 395 问题更大，fp8 都不支持）
正经用就是最低 2 个 pro 6000 或者 4 个多人大 context
如果电够多也可以选择 8 个 5090 的方案也行
@vandort 靠谱，sm80 系列其实就是会有不支持 fp4 的问题，就是没办法跑原版（
正经用就是最低 2 个 pro 6000 或者 4 个多人大 context
如果电够多也可以选择 8 个 5090 的方案也行
@vandort 靠谱，sm80 系列其实就是会有不支持 fp4 的问题，就是没办法跑原版（
Jul 30 Replied to a topic by aimuz › DeepSeek › DeepSeek 4 正式版是不是鸽了 |
@Yadomin 你是天才吗
Jul 13 Replied to a topic by beginor › Local LLM › 本地部署 GLM-5.2 的门槛太高了，根本玩不起！ |
@Maerd
试一下 https://docs.vllm.ai/en/stable/features/kv_offloading_usage/
我是觉得超过 256K 输出就没那么可用了，所以我一直都管理到 256k 以下（
如果实在是想要再多一点的话可以把 cuda graph 关掉，应该能更多一点
试一下 https://docs.vllm.ai/en/stable/features/kv_offloading_usage/
我是觉得超过 256K 输出就没那么可用了，所以我一直都管理到 256k 以下（
如果实在是想要再多一点的话可以把 cuda graph 关掉，应该能更多一点
Jun 29 Replied to a topic by beginor › Local LLM › 本地部署 GLM-5.2 的门槛太高了，根本玩不起！ |
gguf 是这样的，有几点 op 可以试一下，算是在小显存里挣扎的一些经验
1.用 fp8 的 kv cache
2.尝试用 speculative decoding ，就是说你把 MTP 给打开，应该能够让 tps 变高挺多的，后续如果有 dflash 还可能可以提高更多
3.接受质量损失去用 awq 版，但是肯定不会比 fp8 好
都可以试一下，8 个 h20 肯定可以跑的，而且 kvcache 还可以做 tiering ，可以用内存 swap ，变相支持更多用户（一定程度上）
1.用 fp8 的 kv cache
2.尝试用 speculative decoding ，就是说你把 MTP 给打开，应该能够让 tps 变高挺多的，后续如果有 dflash 还可能可以提高更多
3.接受质量损失去用 awq 版，但是肯定不会比 fp8 好
都可以试一下，8 个 h20 肯定可以跑的，而且 kvcache 还可以做 tiering ，可以用内存 swap ，变相支持更多用户（一定程度上）
May 21 Replied to a topic by murongxdb › 程序员 › 很好奇 RAG 真的是现代 ai agent 所需要的吗，还有 langchian 这种框架，没有看到太多知名开源项目用到了 |
Select Language