allocate_blocks_cache【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge产品支持情况产品是否支持Atlas A3 训练系列产品/Atlas A3 推理系列产品√Atlas A2 推理系列产品√Atlas A2 训练系列产品x函数功能PagedAttention场景下分配多个blocks的CacheCache分配成功后可通过deallocate_cache释放内存。函数原型allocate_blocks_cache(cache_desc: CacheDesc, blocks_cache_key: Optional[BlocksCacheKey] None)参数说明参数名称数据类型取值说明cache_descCacheDescCache的描述。blocks_cache_keyOptional[BlocksCacheKey]仅当LLMRole为PROMPT时可设置用于在Decode拉取KV。调用示例from llm_datadist import BlocksCacheKey num_blocks 1000 cache_desc CacheDesc(80, [num_blocks , 128 * 1024], DataType.DT_FLOAT16) blocks_cache_key BlocksCacheKey(0, 0) kv_cache kv_cache_manager.allocate_blocks_cache(cache_desc, blocks_cache_key)返回值正常情况下返回KvCache。参数错误可能抛出TypeError或ValueError。执行时间超过sync_kv_timeout配置会抛出LLMException异常。约束说明本接口不支持并发调用。【免费下载链接】geGEGraph Engine是面向昇腾的图编译器和执行器提供了计算图优化、多流并行、内存复用和模型下沉等技术手段加速模型执行效率减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
