首先声明不搞infra的不用看，我现在看底层了，本篇内容基于Efficient Memory Management for Large Language Model Serving with PagedAttention》 (SOSP 2023)出处： 加州大学伯克利分校（UC Berkeley）这篇里面讲了vllm，那么我们就先讲vllm。LLM 模型在推理阶段的显存有三部份组成：模型权重、KVCache 显存占用以及激活值显存占用。而今天我们是速成教程，所以又要体现深度，那么就先讲KVCache，这个本质上是一种通用的思路就是减少k，v的计算，采用缓存的机制去减少中间值，而这个的问题是kv...

为什么我连一个实习都找不到啊！！找了两个星期，屁都没有！！

月度记录1月 长沙 是2025与他的第一次见面；3月 厦门 与好友两日游，久违了；4月长沙 很幸福 ，2025与他的第二次见面，这次差点哭得很惨，是因为感动与幸福；5月 做一个Python日志分析的项目；6月 一战英语六级，8月查成绩发现以一分惜败；7月 武汉 与好友三日游，记得七月的武汉很热，我们也很热烈，冒着大太阳，打着遮阳伞，去玩了好几个地方，很开心很幸福；8月-11月 备考软考-网络工程师，马不停蹄，日复一日，很充实，笔记写了两本，交换机路由器每个实验配了两三遍；9月 福建 第一天去了长乐，下午回烟台山。旅途中有小插曲，但是很幸福很感动。11月 加入了一个自研靶机项目，负责后端API开...