AI交流(进群备注:StEik)

StEik项目致力于稳定神经符号距离函数的优化过程,并提供更精细的形状表示,适用于3D形状重建和计算机图形学中的形状优化。
StEik的特点:
- 1. 优化神经符号距离函数的稳定性
- 2. 更精细的形状表示
StEik的功能:
- 1. 用于3D形状重建
- 2. 用于计算机图形学中的形状优化
相关导航

Efficient LLM inference solution on Intel GPU-基于Intel GPU的高效LLM推理
提出一种高效的基于Intel GPU的LLM推理解决方案。通过简化LLM解码器层的结构,融合数据移动和逐元素操作,降低内存访问频率和系统延迟。同时,提出一种段KV缓存策略,将请求和响应token的键/值存储在不同的物理内存中,以有效管理设备内存,提高运行批处理大小和系统吞吐量。在Intel GPU上实现了该解决方案,并与标准的HuggingFace实现进行了比较,对于一些流行的LLM模型,在Intel GPU上实现的解决方案的令牌延迟降低了7倍,吞吐量提高了27倍。
暂无评论...