DeepSpeed Inference: Tensor Parallelism and Memory Efficiency for Large Models
- Kirjailija
- Kustantaja
- Kieli
- Englanti
- Formaatti
- Kategoria
Tietokirjallisuus
"DeepSpeed Inference: Tensor Parallelism and Memory Efficiency for Large Models"
Serving large transformer models efficiently is no longer a matter of loading weights and hoping the hardware keeps up. This book is written for experienced ML engineers, systems practitioners, and infrastructure researchers who need a precise, production-oriented understanding of how DeepSpeed Inference scales models beyond single-device limits while preserving latency and throughput. It speaks directly to readers responsible for real deployment decisions, not simplified toy examples.
Across the book, you will learn how DeepSpeed’s inference stack is structured, how `init_inference` controls runtime behavior, and when tensor parallelism is the right scaling mechanism. It examines kernel injection, fused execution, checkpoint compatibility, automatic versus manual partitioning, ZeRO-Inference, heterogeneous memory, KV-cache offloading, and quantization as interconnected system choices rather than isolated features. The result is a rigorous framework for choosing deployment regimes, diagnosing bottlenecks, and engineering memory-efficient serving paths for very large models.
The treatment is version-aware and deliberately practical, helping readers navigate documentation drift, model support boundaries, and migration from classic DeepSpeed Inference concepts to newer FastGen-era framing. Readers should already be comfortable with transformer architectures, distributed GPU systems, and modern model-serving workflows. In return, the book offers a deeply technical, structured guide to the perfor
© 2026 NobleTrex Press (E-kirja): 6610001214845
Julkaisupäivä
E-kirja: 5. toukokuuta 2026
- Nico Lingman: Sodassa ja rakkaudessa Miia Saari
- Vendi: Jotta muut tytöt pääsisivät kotiin Saara Salminen
- Itsekkyyden aika: Miten yltiöyksilöllinen kulttuurimme sai meidät voimaan pahoin Liisa Keltikangas-Järvinen
- Pelko ja viha Joonas Vaara
- Olga Temonen (Olgan ääni). Aika jonka sain Anneli Juutilainen, Olga Temonen
- Harry Potter ja viisasten kivi J.K. Rowling
- Helmasynti Linda Jakobsson
- Erikoisjoukoissa – Janne Lehtosen tarina Kati Pukki, Janne Lehtonen
- Let them -teoria: Elämän mullistava menetelmä, josta miljoonat puhuvat Mel Robbins, Sawyer Robbins
- Peukku-Suomi Sofia Tawast
- Vuokralainen Freida McFadden
- Varjeltu Max Seeck
- Olga Temonen. Aika jonka sain Anneli Juutilainen, Olga Temonen
- Sinä kuolet huomenna Tapani Bagge, Toni Hakala
- Pappilan piika Enni Mustonen
Valitse tilausmalli
Nauti yli miljoonasta tarinasta, henkilökohtaisista suosituksista, viikottaisista uutuuksista sekä turvallisesta lastentilasta. Ei sitoutumisaikaa.
Flex
Kuuntele ja lue harvemmin - säästä käyttämättömät tunnit
9.99 € /kk
1 käyttäjätili
20 tuntia/kk
Säästä käyttämättömät tunnit, max 20h
Ei sitoutumisaikaa
Premium
Kuuntele ja lue usein
19.99 € /kk
1 käyttäjätili
100 tuntia/kk
Ei sitoutumisaikaa
Standard
Kuuntele ja lue säännöllisesti
16.99 € /kk
1 käyttäjätili
50 tuntia/kk
Ei sitoutumisaikaa
Unlimited
Kuuntele ja lue rajattomasti
29.99 € /kk
1 käyttäjätili
Kuuntele ja lue rajattomasti
Ei sitoutumisaikaa
Family
Jaa tarinat koko perheelle
Alkaen 26.99 € /kuukausi
2-6 käyttäjätiliä
100 tuntia/kk jokaiselle käyttäjälle
Ei sitoutumisaikaa
Sinä + 1 perheenjäsen
2 käyttäjätiliä26.99 € /kk
Minulla on
Kampanjakoodi