triton-inference-server/server

How to free multiple gpu memory

Open

#7.825 geöffnet am 22. Nov. 2024

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Python (1.304 Forks)batch import
help wantedonnxquestion

Repository-Metriken

Stars
 (6.593 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 2T 16h) (34 gemergte PRs in 30 T)

Beschreibung

The question is how do you free memory

https://github.com/triton-inference-server/onnxruntime_backend/issues/103

When the model is deployed to a single card, I can specify real-time release of gpu memory, but if the model is deployed to multiple cards, I don't know what the format looks like

parameters { key: "memory.enable_memory_arena_shrinkage" value: { string_value: "gpu:3" }  }

instance_group [
    {
        count: 1
        kind: KIND_GPU
        gpus: [ 3 ]
    }
]

Contributor Guide

Research-Richtung
Das Problem fragt, wie die Speicherfreigabe für mehrere GPUs konfiguriert werden kann. Untersuchen Sie die Parameter instance group und memory.enable memory arena shrinkage in der Triton Dokumentation und im Quellcode. Das verlinkte Issue #103 könnte zusätzlichen Kontext liefern. Erwägen Sie, die Dokumentation zu aktualisieren, um die Syntax für mehrere GPUs zu klären.
Tech Stack
python
Domain
backendinfrastructure
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
GPUCUDATriton Inference Server
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40