CANN/ge LLM缓存pull_cache API
# pull_cache
【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge
产品支持情况
- Atlas A3 训练系列产品/Atlas A3 推理系列产品：支持
- Atlas A2 推理系列产品：支持
- Atlas A2 训练系列产品：不支持
函数功能
根据CacheKey，从对应的Prompt节点拉取KV到本地KV Cache，仅当LLMRole为DECODER时可调用。
函数原型
pull_cache(cache_key: Union[CacheKey, CacheKeyByIdAndIndex], kv_cache: KvCache, batch_index: int = 0, size: int = -1, **kwargs)参数说明
| 参数名称 | 数据类型 | 取值说明 |
|---|---|---|
| cache_key | Union[CacheKey, CacheKeyByIdAndIndex] | 需要被拉取的CacheKey。该CacheKey需要和allocate_cache的CacheKey保持一致。 通过req_id，prefix_id，model_id拉取则传入CacheKey。 通过cache_id，batch_index拉取则传入CacheKeyByIdAndIndex。 |
| kv_cache | KvCache | 目标KV Cache。 |
| batch_index | int | 表示目标KV Cache的batch index，默认为0。 |
| size | int | 默认为-1。 设置为>0的整数，表示要拉取的tensor大小。 或设置为-1，表示完整拷贝：本地单个KV的大小减去dst_cache_offset大小。 |
| **kwargs | NA | 这个是Python函数的可扩展参数通用写法，一般通过key=value的方式直接传入参数。 可选参数的详细信息请参考表1。 |
表 1**kwargs的可选参数
| 参数名称 | 数据类型 | 取值说明 |
|---|---|---|
| src_layer_range | Optional[range] | 可选参数，用于按层pull kv场景。传输源的layer的范围，step只支持1。不设置时为传输所有layer。需要注意这里是layer的index，而不是tensor的index，即1个layer对应连续N个tensor(K/V)，这里要求分配内存时，必须是KV,...,KV排布，不支持其他场景。N为tensor_num_per_layer的取值，默认为2。 |
| dst_layer_range | Optional[range] | 可选参数，用于按层pull kv场景。传输目标的layer的范围，step只支持1。不设置时为传输所有layer。需要注意这里是layer的index，而不是tensor的index，即1个layer对应连续N个tensor(K/V)，这里要求分配内存时，必须是KV,...,KV排布，不支持其他场景。N为tensor_num_per_layer的取值，默认为2。 |
| src_cache_offset | Optional[int] | 设置>=0的整数。表示从src_cache tensor的offset位置拉取size大小的数据 |
| dst_cache_offset | Optional[int] | 设置>=0的整数。表示将源数据拉取到dst_cache tensor的offset起始位置 |
| tensor_num_per_layer | Optional[int] | 可选参数，表示每层的tensor的数量，默认值是2，取值范围是[1,cache的tensor总数]。当src_layer_range或dst_layer_range取值为非默认值时， tensor_num_per_layer可以保持默认值，也可以输入其他值，输入其他值的时，tensor_num_per_layer的取值还需要被当前cache的tensor总数整除。 |
调用示例
from llm_datadist import * ... cache_keys = [CacheKey(1, req_id=1), CacheKey(1, req_id=2)] kv_cache_manager.pull_cache(cache_keys[0], cache, 0) # 使能layer_range功能 kv_cache_manager.pull_cache(cache_keys[1], cache, 1, src_layer_range=range(0,2), dst_layer_range=range(2,4)) # 使能offset功能 kv_cache_manager.pull_cache(cache_keys[1], cache, src_cache_offset=0, dst_cache_offset=0)返回值
正常情况下无返回值。
参数错误可能抛出TypeError或ValueError。
执行时间超过sync_kv_timeout配置会抛出LLMException异常。
约束说明
- 使用同一条链路时，不支持该接口和transfer_cache_async接口并发。
- 本接口不支持并发调用。
【免费下载链接】geGE（Graph Engine）是面向昇腾的图编译器和执行器，提供了计算图优化、多流并行、内存复用和模型下沉等技术手段，加速模型执行效率，减少模型内存占用。 GE 提供对 PyTorch、TensorFlow 前端的友好接入能力，并同时支持 onnx、pb 等主流模型格式的解析与编译。项目地址: https://gitcode.com/cann/ge
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考