Lyssna när som helst, var som helst

Kliv in i en oändlig värld av stories

  • 1 miljon stories
  • Hundratals nya stories varje vecka
  • Få tillgång till exklusivt innehåll
  • Avsluta när du vill
Starta erbjudandet
SE - Details page - Device banner - 894x1036
Cover for Text Generation Inference (TGI): Deploying Transformers with Streaming and Batching

Text Generation Inference (TGI): Deploying Transformers with Streaming and Batching

Språk
Engelska
Format
Kategori

Fakta

"Text Generation Inference (TGI): Deploying Transformers with Streaming and Batching"

This book is for engineers and platform practitioners who need to move transformer inference from demos into reliable, high-performance production systems. Rather than treating serving as a thin wrapper around model.generate(), it addresses the real tensions that emerge under live traffic: latency versus throughput, streaming responsiveness versus compute cost, and hardware efficiency versus operational simplicity. Readers building chat systems, internal AI platforms, or GPU-backed inference services will find a rigorous guide to what actually governs TGI behavior in production.

Across the book, you will build a working mental model of TGI’s runtime architecture, request flow, streaming semantics, and continuous batching scheduler. It explains prefill and decode execution, token-budget controls, time-to-first-token behavior, multi-GPU sharding, replication trade-offs, and inference optimizations such as attention and memory techniques. The result is practical decision-making skill: how to size deployments, tune throughput-latency trade-offs, expose stable APIs, integrate streaming clients, and diagnose bottlenecks with metrics and tracing.

The treatment assumes experience with transformers, GPU-based model serving, and modern infrastructure patterns such as HTTP APIs, proxies, and observability tooling. Its distinguishing strength is operational depth: the material is organized around deployment decisions, failure modes, compatibility boundaries, and performance trade-offs, making it es

© 2026 NobleTrex Press (E-bok): 6610001219109

Utgivningsdatum

E-bok: 8 maj 2026

Taggar

Därför kommer du älska Storytel

  • 1 miljon stories

  • Lyssna och läs offline

  • Exklusiva nyheter varje vecka

  • Kids Mode (barnsäker miljö)

Populäraste valet

Premium

Lyssna och läs ofta.

169 kr /månad

  • Exklusivt innehåll

  • Avsluta när du vill

  • Obegränsad lyssning på podcasts

Starta erbjudandet

Unlimited

Lyssna och läs obegränsat.

249 kr /månad

  • Exklusivt innehåll

  • Avsluta när du vill

  • Obegränsad lyssning på podcasts

Starta erbjudandet

Family

Dela stories med hela familjen.

Från 239 kr /månad

  • Exklusivt innehåll

  • Avsluta när du vill

  • Obegränsad lyssning på podcasts

Du + 1 familjemedlem2 konton

239 kr /månad

Starta erbjudandet

Flex

Lyssna och läs ibland – spara dina olyssnade timmar.

99 kr /månad

  • Spara upp till 100 olyssnade timmar

  • Exklusivt innehåll

  • Avsluta när du vill

  • Obegränsad lyssning på podcasts

Starta erbjudandet