标签：内存

2026-07-12andy阅读(380)评论(0)

如何通过 Qualcomm AI Stack 优化 8295 上的大模型推理：从算子下沉到内存压榨 高通 SA8295P (骁龙 8295) 作为当前智能座舱的性能标杆，其集成的 Hexagon Tensor Processor (HTP)...

2026-07-12andy阅读(484)评论(0)

如何解决昇腾 NPU 上频繁创建张量导致的内存碎片问题 在将模型从 CUDA 迁移到昇腾 NPU（Ascend）时，很多开发者会遇到一个诡异现象：通过 nvidia-smi 类似的工具观察，显存（HBM）占用并没满，但程序却频繁报出 Out...

2026-07-12andy阅读(312)评论(0)

如何通过 ncnn 算子融合黑魔法减少推理时的内存读写 在端侧推理优化中，算力往往不是唯一的瓶颈，内存带宽（Memory Bandwidth）才是。在 ncnn 推理框架中，虽然 ncnnoptimize 工具已经能自动处理大部分算子融合（...

2026-07-12andy阅读(801)评论(0)

随着大模型的体积不断增长，如何在资源受限的端侧设备上高效运行这些模型成为了关键挑战。Apple M系列芯片，特别是最新的M3系列，通过其独特的统一内存架构（Unified Memory Architecture, UMA），为端侧大模型推理...

2026-07-05andy阅读(311)评论(0)

背景 在嵌入式设备或 Android/iOS 开发中，AI 模型的推理性能不仅取决于算法复杂度，还深受系统资源调度的影响。很多开发者会发现，ncnn 在连续推理时，由于系统底层的 malloc 和 free 导致内存碎片或内核锁竞争，从而引...

2026-07-05andy阅读(381)评论(0)

什么是 volatile？ volatile 是并发编程中一个关键的修饰符，它保证了对共享变量操作的两大特性：可见性（Visibility） 和 有序性（Ordering）。 与 synchronized 锁机制不同，volatile 是一...

2026-07-05andy阅读(334)评论(0)

Java 平台自 Java 19（作为孵化模块）以来引入的外部函数与内存 API（Foreign Function and Memory API，简称 FFM API，JEP 442 已在 Java 22 中定稿）彻底改变了 Java 与原...

2026-03-24andy阅读(280)评论(0)

在车载座舱（IVI）系统中，DMS（驾驶员监控）、OMS（乘客监控）等 AI 模型常驻后台运行。然而，AI 模型推理是内存「大户」，极易触发 Linux 的 OOM Killer 或安卓的 LMKD（Low Memory Killer Da...

2026-03-17andy阅读(296)评论(0)

如何利用分级加载与量化存储实现端侧 LLM 的极致省电与低内存占用 在大模型（LLM）进军手机、平板和边缘网关的趋势下，内存（RAM）和功耗成了最大的绊脚石。一个 Llama-3-8B 模型如果以 FP16 运行需要约 16GB 内存，这足...

2026-03-16andy阅读(294)评论(0)

如何通过 PagedAttention 与分块量化结合：解决移动端内存碎片化导致的长文本 OOM 在移动端部署大语言模型（LLM）时，内存压力主要源于 KV Cache。随着对话长度增加，KV Cache 呈线性增长，且传统的连续内存分配方...