企业官网建设流程全解析

allocate_cache

【免费下载链接】geGE（Graph 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

函数功能

分配Cache，分配成功后，会同时被cache_id与cache_keys引用，只有当这些引用都解除后，cache所占用的资源才会实际释放。

cache_id的引用需通过deallocate_cache解除，cache_keys的引用则可以通过以下2种方式解除。

• Decoder调用pull_cache接口成功后解除。
• Prompt调用remove_cache_key接口时解除。

函数原型

allocate_cache(cache_desc: CacheDesc, cache_keys: Union[Tuple[CacheKey], List[CacheKey]] = ())

参数说明

调用示例

from llm_datadist import * ... kv_cache_manager = data_dist.kv_cache_manager cache_desc = CacheDesc(80, [2, 2 * 1024 * 1024], DataType.DT_FLOAT16) cache_keys = [CacheKey(prompt_cluster_id=0, req_id=1)] kv_cache = kv_cache_manager.allocate_cache(cache_desc, cache_keys)

返回值

正常情况下返回KvCache。

参数错误可能抛出TypeError或ValueError。

如果cache_keys中包含了分配内存时绑定的CacheKey，则抛出LLMException异常。

执行时间超过sync_kv_timeout配置会抛出LLMException异常。

约束说明

• 传入cache_keys时，如果Cache的batch size>1，则需要提供相同数量的CacheKey，分别引用一组kv tensor。
• 如果当次推理的batch未占用满，即存在无效batch_index，则需要插入特殊的CacheKey（将req_id设置为UINT64_MAX）占位，如果空闲的batch_index在末尾，则可以省略。
• 如果cache_keys存在重复，则最后一个生效。
• 本接口不支持并发调用。

【免费下载链接】geGE（Graph 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