কেভি ক্যাশে
কেভি ক্যাশে একটি ট্রান্সফরমার পূর্ববর্তী টোকেনগুলির জন্য ইতিমধ্যেই গণনা করা কী এবং মান ভেক্টর সংরক্ষণ করে, তাই এটি উত্পন্ন প্রতিটি নতুন শব্দের জন্য তাদের পুনরায় গণনা করতে হবে না।
ওভারভিউ
It is the single biggest reason text generation is fast — and the main thing eating your GPU memory during long conversations.
গভীর ডুব
ট্রান্সফরমারগুলি একবারে একটি টোকেন টেক্সট তৈরি করে এবং প্রতিটি নতুন টোকেনের মনোযোগ স্তরকে প্রতিটি আগের টোকেনের সাথে তুলনা করতে হবে। মনোযোগের প্রক্রিয়া প্রতিটি টোকেনকে একটি প্রশ্ন, কী এবং মান ভেক্টরে পরিণত করে। ক্যাশিং ছাড়া, টোকেন নম্বর 1,000 জেনারেট করা মানে প্রতিটি ধাপে পূর্বের 999টি টোকেনের জন্য কী এবং মান পুনরায় কম্পিউটিং করা হবে — চতুর্মুখী, অপচয়মূলক কাজ। KV ক্যাশে সেই কী এবং মান ভেক্টরগুলিকে প্রথম গণনা করার পরে সংরক্ষণ করে এবং সেগুলি পুনঃব্যবহার করে, তাই প্রতিটি নতুন পদক্ষেপ শুধুমাত্র একক নতুন টোকেনের জন্য ভেক্টর গণনা করে এবং সঞ্চিত ক্যাশেতে উপস্থিত হয়। এটি সিকোয়েন্স দৈর্ঘ্যের সাথে স্কেলিং থেকে মোটামুটি ধ্রুবক পর্যন্ত প্রতি-টোকেন খরচ সঙ্কুচিত করে। ট্রেড-অফ হল মেমরি: ক্যাশে প্রসঙ্গ দৈর্ঘ্য, স্তরের সংখ্যা এবং মনোযোগের মাথার সাথে রৈখিকভাবে বৃদ্ধি পায়, যা প্রায়শই দীর্ঘ-প্রসঙ্গ পরিবেশনে প্রভাবশালী মেমরি গ্রাহক হয়ে ওঠে।
প্রযুক্তিগত অন্তর্দৃষ্টি
'প্রিফিল' পর্যায়ে মডেলটি পুরো প্রম্পট প্রক্রিয়া করে এবং ক্যাশে পূরণ করে; 'ডিকোড'-এর সময় এটি প্রতি ধাপে একটি টোকেনের K/V যুক্ত করে এবং পুনরায় উপস্থিত হয়। ক্যাশের আকার 2 (K এবং V) × স্তর × মাথা × head_dim × ক্রম_দৈর্ঘ্য × ব্যাচ হিসাবে, নির্বাচিত নির্ভুলতায়। এটিকে নিয়ন্ত্রণ করার জন্য, আধুনিক মডেলগুলি মাথা জুড়ে কী/মানগুলি ভাগ করার জন্য দলবদ্ধ-কোয়েরি বা মাল্টি-কোয়েরি মনোযোগ ব্যবহার করে এবং ভিএলএলএম-এর মতো পরিবেশন সিস্টেমগুলি অ-সংলগ্ন ব্লকগুলিতে ক্যাশে বরাদ্দ করতে, ফ্র্যাগমেন্টেশন এবং বর্জ্য কাটাতে PagedAttention ব্যবহার করে।
কৌশলগত প্রভাব
গতি এবং স্কেল
ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।
অ্যাক্সেস এবং পৌঁছানো
এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।
সুস্পষ্ট সিদ্ধান্ত
অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।
কেভি ক্যাশের ভবিষ্যত
কনটেক্সট উইন্ডোগুলি কয়েক হাজার টোকেনের মধ্যে প্রসারিত হওয়ার সাথে সাথে, KV ক্যাশে কেন্দ্রীয় বাধা হয়ে দাঁড়ায়, তাই উদ্ভাবন মারাত্মক: 8 বা 4 বিটে ক্যাশে কোয়ান্টাইজেশন, উচ্ছেদ নীতি যা কম-গুরুত্বপূর্ণ টোকেন ড্রপ করে, ক্রস-রিকোয়েস্ট প্রিফিক্স শেয়ারিং, এবং CPU বা ডিস্কে অফলোডিং। মাল্টি-হেড ল্যাটেন্ট অ্যাটেনশনের মতো আর্কিটেকচারাল শিফট ক্যাশে নিজেই সংকুচিত করে। খুব দীর্ঘ প্রসঙ্গগুলি সস্তায় এবং উচ্চ থ্রুপুটে পরিবেশন করার লক্ষ্যে মনোযোগের বৈকল্পিক এবং মেমরি সিস্টেমের অবিরত সহ-ডিজাইন আশা করুন।
বাস্তব-বিশ্ব বাস্তবায়ন
কথোপকথনের ইতিহাস থেকে ক্যাশড কী/মানগুলিকে প্রতিবারে পুনরায় প্রক্রিয়া করার পরিবর্তে পুনরায় ব্যবহার করে চ্যাটবট উত্তরগুলিকে ত্বরান্বিত করুন।
প্রিফিক্স ক্যাশিং যা অনেক ব্যবহারকারীর মধ্যে একটি দীর্ঘ সিস্টেম প্রম্পটের জন্য ক্যাশে ভাগ করে, খরচ এবং লেটেন্সি কমিয়ে দেয়।
vLLM-এর PagedAttention ব্লকে কেভি ক্যাশে ম্যানেজ করে একটি জিপিইউতে অনেকগুলো সমসাময়িক অনুরোধকে দক্ষতার সাথে পরিবেশন করে।
সীমিত GPU মেমরিতে দীর্ঘ প্রসঙ্গ ফিট করার জন্য কম নির্ভুলতার জন্য KV ক্যাশে পরিমাপ করা।
ঝুঁকি এবং প্রহরী
হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।
প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।
অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।
বাস্তবায়ন রোডম্যাপ
রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।
যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।
উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।
ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the KV Cache quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
কেভি ক্যাশে অপ্টিমাইজেশান
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is KV Cache?
কেভি ক্যাশে একটি ট্রান্সফরমার পূর্ববর্তী টোকেনগুলির জন্য ইতিমধ্যেই গণনা করা কী এবং মান ভেক্টর সংরক্ষণ করে, তাই এটি উত্পন্ন প্রতিটি নতুন শব্দের জন্য তাদের পুনরায় গণনা করতে হবে না। টেক্সট জেনারেশন দ্রুত হওয়ার একমাত্র সবচেয়ে বড় কারণ - এবং দীর্ঘ কথোপকথনের সময় আপনার GPU মেমরি খাওয়ার প্রধান জিনিস।
কেভি ক্যাশে কি সঞ্চয় করে?
কেভি ক্যাশে আগের টোকেন থেকে কী এবং মান ভেক্টর ধারণ করে যাতে মনোযোগ পুনরায় গণনা করার পরিবর্তে সেগুলিকে পুনরায় ব্যবহার করতে পারে।
কেভি ক্যাশে প্রাথমিকভাবে কোন সমস্যা সমাধান করে?
ক্যাশিং ব্যতীত, প্রতিটি নতুন টোকেন পূর্ববর্তী প্রতিটি টোকেনের জন্য K/V পুনরায় গণনা করতে হবে, যা অযথা; ক্যাশে প্রতি-টোকেন খরচ মোটামুটি ধ্রুবক করে তোলে।
কেভি ক্যাশে প্রধান খারাপ দিক কি?
ক্যাশে ক্রম দৈর্ঘ্য, স্তর এবং মাথার সাথে বৃদ্ধি পায়, প্রায়শই দীর্ঘ-প্রসঙ্গ পরিবেশনের ক্ষেত্রে GPU মেমরির প্রভাবশালী ভোক্তা হয়ে ওঠে।
কোন কৌশল মনোযোগের মাথা জুড়ে কী এবং মানগুলি ভাগ করে কেভি ক্যাশের আকার হ্রাস করে?
দলবদ্ধ-কোয়েরি এবং বহু-কোয়েরি মনোযোগ একাধিক ক্যোয়ারী হেডকে কম কী/মান সেট শেয়ার করতে দেয়, ক্যাশে যথেষ্ট পরিমাণে সঙ্কুচিত করে।
KV ক্যাশে আপেক্ষিক ট্রান্সফরমার অনুমানের দুটি পর্যায় কি?
প্রিফিল প্রম্পটের K/V দিয়ে ক্যাশে পূরণ করে; ডিকোড প্রতিটি ধাপে একটি নতুন টোকেনের K/V যুক্ত করে এবং ক্যাশের উপর পুনরায় যোগ করে।