产品 |
是否支持 |
|---|---|
√ |
|
x |
|
x |
|
x |
|
x |
当ModelRunner关联的Decode LLMModel分配了KvCache后回调。
由于Decode每次推理都使用相同的KvCache，所以可以通过该回调提前准备KvCache对应的Tensor，避免重复转换，从而提升性能。
默认实现为空。
1 | on_cache_allocated(kv_cache: KvCache) |
参数名称 |
数据类型 |
取值说明 |
|---|---|---|
kv_cache |
KvCache。 |
该接口不由用户直接调用，而是作为回调由LLMModel调用。
无
无