上周面的一个985女生，问了Transformer模型的内存优化

我是丁师兄，专注于智能驾驶方向大模型落地，公众号：丁师兄大模型。

大模型1v1学习，已帮助多名同学上岸国内外大厂

---

Transformer 模型现在很火，内存优化又很重要。上周面试了一个 985 大学的女生，跟她谈到了 Transformer 模型的内存优化问题。

那么这个女生到底给出了哪些关于 Transformer 模型内存优化的独特思路呢？一起来看看。

01什么是Transformer模型中的KV缓存？

Transformer 中文本是逐个 token 生成的，每次新的预测都会基于之前生成的所有 tokens 的上下文信息。

这种对顺序数据的依赖会减慢生成过程，因为每次预测下一个 token 都需要重新处理序列中所有之前的 tokens。

例如，要预测第 100 个 token，模型必须使用前 99 个 token 的信息，需要对这些 token 进行复杂的矩阵运算。预测第 101 个 token 时，也要对前 99 个 token 做类似计算，以及对第 100 个 token 的新计算。

如何简化呢？

答案是使用 KV 缓存。KV 缓存通过保存这些计算结果，使模型可以在生成后续 tokens 时直接访问这些结果，而不需要重新计算。

换句话说，在生成第 101 个 token 时，模型只需从 KV 缓存中检索前 99 个 token 的已存储数据，并只对第 100 个 token 执行必要的计算。 

02如何估算KV缓存消耗的内存大小？

KV 缓存