ٹیکنیکل گائیڈ
پیجڈ توجہ اور وی ایل ایل ایم
PagedAttention manages transformer key/value caches using fixed-size blocks mapped from logical token positions.
اس گائیڈ کو سنیں۔اے آئی نے بیان کیا۔ · ~2 min
اس صفحہ پر2 منٹ پڑھیں
جائزہ
This reduces cache-allocation waste and supports sharing, while vLLM’s actual throughput depends on the workload and system.
گہرا غوطہ
جب ایک زبان کا ماڈل متن تیار کرتا ہے، تو یہ اپنے دیکھے ہوئے ہر ٹوکن کے لیے ایک 'KV کیش' (کلیدی اور قدر ویکٹر) رکھتا ہے تاکہ اگلا ٹوکن مکمل سیاق و سباق کو دیکھ سکے۔ روایتی طور پر ہر درخواست میں اس کی زیادہ سے زیادہ ممکنہ لمبائی کے لیے GPU میموری کا ایک بڑا متصل سلیب محفوظ کیا جاتا ہے، جب ترتیب چھوٹے یا لمبائی میں مختلف ہوتی ہے تو بڑی مقدار میں ضائع ہوتا ہے۔ PagedAttention، UC Berkeley کے 2023 vLLM پیپر میں متعارف کرایا گیا، آپریٹنگ سسٹمز سے ورچوئل میموری پیجنگ کا آئیڈیا لیتا ہے: یہ KV کیشے کو فکسڈ سائز بلاکس میں تقسیم کرتا ہے جو میموری میں کہیں بھی رہ سکتے ہیں اور ڈیمانڈ پر مختص کیے جا سکتے ہیں۔ ایک تلاش کی میز منطقی ٹوکن پوزیشنوں کو جسمانی بلاکس پر نقشہ بناتی ہے۔ یہ میموری کے ٹکڑے ہونے کو تقریباً ختم کرتا ہے اور بلاکس کو شیئر کرنے دیتا ہے، مثال کے طور پر ایک ہی پرامپٹ سے متعدد آؤٹ پٹس میں۔
حقیقی دنیا کا نفاذ
ایک اوپن سورس LLM API کی میزبانی کرنا جہاں vLLM ایک GPU سے بہت سے ہم آہنگ چیٹ صارفین کو اعلی تھرو پٹ پر پیش کرتا ہے۔
پریفکس کیشنگ کے ذریعے ہزاروں درخواستوں میں ایک طویل سسٹم پرامپٹ کا اشتراک کرنا تاکہ اس پر ایک بار کارروائی ہو، بار بار نہیں۔
رننگ بیم کی تلاش یا ایک سے زیادہ نمونے کی تکمیلیں جو کاپی آن رائٹ کے ذریعے عام پرامپٹ کے لیے KV بلاکس کا اشتراک کرتی ہیں۔
GPU میموری کے فضلے کو ٹکڑے کرنے سے کاٹنا تاکہ ایک فراہم کنندہ ایک ہی ہارڈ ویئر پر بیک وقت زیادہ سیشن پیک کر سکے۔
PagedAttention اور vLLM کا مستقبل
vLLM پہلے سے طے شدہ اوپن سورس انفرنس بیک بون بن گیا ہے، اور PagedAttention کے آئیڈیاز اب زیادہ تر سرونگ اسٹیک پر ظاہر ہوتے ہیں۔ گہرے پریفکس کیشنگ کی توقع کریں (صارفین میں کیشڈ سسٹم پرامپٹس کو دوبارہ استعمال کرنا)، الگ الگ مشینوں پر الگ الگ پری فل اور ڈی کوڈ، بہتر بے دخلی کی پالیسیاں، اور کوانٹائزیشن اور قیاس آرائی پر مبنی ضابطہ کشائی کے ساتھ سخت انضمام کی توقع کریں۔ جیسے جیسے سیاق و سباق کی ونڈوز لاکھوں ٹوکنز میں بڑھ رہی ہے، موثر پیجڈ KV مینجمنٹ سستی خدمت کو برقرار رکھنے کے لیے اور زیادہ مرکزی بن جاتی ہے۔
اسے عملی جامہ پہنانا
یہ کیوں اہمیت رکھتا ہے۔
- لاگت اور بجٹ. فن تعمیر کے فیصلے سالوں تک کارکردگی اور آپریٹنگ لاگت کو آگے بڑھاتے ہیں۔
- واضح فیصلے. تکنیکی تعلیم ٹیموں کو صحیح اسٹیک منتخب کرنے میں مدد کرتی ہے، نہ صرف جدید ترین۔
- کوالٹی کنٹرول. انجینئرنگ کے بہتر انتخاب پیداوار میں قابل اعتماد واقعات کو کم کرتے ہیں۔
پر نگاہ رکھیں
- ایک بینچ مارک کو بہتر بنانا نظام کی وسیع تر کمزوریوں کو چھپا سکتا ہے۔
- بنیادی ڈھانچے اور دیکھ بھال کے اخراجات کو اکثر کم سمجھا جاتا ہے۔
- سیکورٹی اور مشاہداتی فرق بڑھ سکتا ہے کیونکہ نظام زیادہ پیچیدہ ہو جاتا ہے۔
اگلے اقدامات
- نفاذ سے پہلے تاخیر، معیار اور لاگت کے اہداف کی وضاحت کریں۔
- حقیقت پسندانہ بوجھ اور ڈیٹا کی شرائط کے تحت بینچ مارک۔
- غلطیوں، بڑھے ہوئے، اور صارف کے اثرات کے لیے آلے کی نگرانی۔
- اسکیلنگ سے پہلے رول بیک اور واقعہ کے ردعمل کے راستے تیار کریں۔
دریافت کرتے رہیں
مفت نیوز لیٹر
روزانہ AI بریفنگ حاصل کریں
ہر ہفتے کے دن صبح تین تصدیق شدہ AI کہانیاں، سادہ انگریزی میں لکھی گئیں۔ ہمیشہ کے لیے مفت، کوئی اشتہار نہیں۔
ہر ہفتے کے دن ایک ای میل۔ ایک کلک میں ان سبسکرائب کریں۔ ہم کبھی بھی آپ کا پتہ فروخت یا شیئر نہیں کرتے۔
اپنے آپ کو جانچیں۔
Take the PagedAttention and vLLM quiz
ہر جواب پر فوری فیڈبیک، اور کورس پاس کرنے کے بعد قابلِ تصدیق ID کے ساتھ شیئر کرنے کے قابل سرٹیفکیٹ۔
مفت AI تعلیم کی حمایت کریں۔ AI Understanding ایک 501(c)(3) غیر منافع بخش ادارہ ہے — کوئی اشتہار نہیں، کوئی پے وال نہیں، کبھی نہیں۔ عطیہ کریں۔
اکثر پوچھے گئے سوالات
PagedAttention اور vLLM کیا ہیں؟
PagedAttention manages transformer key/value caches using fixed-size blocks mapped from logical token positions. This reduces cache-allocation waste and supports sharing, while vLLM’s actual throughput depends on the workload and system.
ٹیکسٹ جنریشن کے دوران 'KV کیشے' کیا اسٹور کرتا ہے؟
KV کیشے میں ہر پہلے ٹوکن کے لیے کلیدی اور ویلیو ویکٹر ہوتے ہیں، جس سے ماڈل کو ہر قدم پر دوبارہ گنتی کیے بغیر مکمل سیاق و سباق میں شرکت کرنے دیتا ہے۔
کس آپریٹنگ سسٹم کے تصور نے PagedAttention کو متاثر کیا؟
PagedAttention ورچوئل میموری پیجنگ لیتا ہے: KV کیشے کو فکسڈ سائز کے صفحات میں تقسیم کیا جاتا ہے جو کسی بھی جگہ رہ سکتے ہیں، بلاک ٹیبل کے ذریعے نقشہ بنایا گیا ہے۔
روایتی KV کیش ایلوکیشن کے ساتھ کیا مسئلہ PagedAttention حل کرتا ہے؟
فی درخواست ایک بڑا متصل سلیب محفوظ کرنے سے، زیادہ سے زیادہ لمبائی کے لیے سائز، GPU میموری کی بڑی مقدار ضائع ہو جاتی ہے۔ پیجنگ مانگ کے مطابق چھوٹے بلاکس مختص کرتی ہے، کچرے کو کم کرتی ہے۔
PagedAttention کس طرح ایک سے زیادہ آؤٹ پٹ کو ایک مشترکہ پرامپٹ کے لیے میموری کا اشتراک کرنے دیتا ہے؟
ایک جیسے سابقے (مشترکہ اشارے یا بیم سرچ برانچز) ایک ہی فزیکل KV صفحات کا حوالہ دیتے ہیں، صرف اس صورت میں کاپی کرتے ہیں جب کوئی برانچ ہٹ جاتی ہے۔
vLLM اور PagedAttention اصل میں کہاں تیار کیا گیا تھا؟
vLLM اور PagedAttention الگورتھم 2023 کے ایک مقالے میں UC Berkeley سے نکلے اور تیزی سے وسیع پیمانے پر استعمال ہونے والا اوپن سورس سرونگ انجن بن گیا۔
سیکھتے رہیں
متعلقہ گائیڈز
اس موضوع کے لیے مزید گائیڈز چنے گئے ہیں۔