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...

本大三鼠鼠7月半的时候才浑然醒悟，开始选择了走java这一条路，然后也是疯狂的学，每天十小时，然后前段时间实在忍不住了，看见大多数人都在说金九银十，也是把自己写的项目包装了一下，然后开始海投（因为我觉得我比较水，所以说就只投了小厂），也是不负守望，拿下三个实习，现在就等着最后一个offer了（感觉这个更好，所以说前面两个就不准备要了，希望能顺利得到offer）（我是双非，不太算科班，完全java零基础，只能说实习很好找，但是工作不好找，尝试投了一下秋招的那种，但是秒挂）java还是有活路的，刚好温饱是够的