Modelos de lenguaje visual (Spanish Edition)
by Merve Noyan, Andrés Marafioti, Miquel Farré, Orr Zohar
Capítulo 7. Implementación de modelos para la inferencia a gran escala
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
Ya entrenaste tu modelo de lenguaje visual (VLM) y ahora quieres que la gente lo use de verdad. Aquí es donde entra en juego la implementación de la inferencia, y es donde muchos de nosotros descubrimos que «el modelo funciona en mi configuración» está muy lejos de «el modelo atiende a 1,000 usuarios de manera confiable».
La implementación supone dos retos que van de la mano. En primer lugar, está el reto de la optimización: ¿cómo haces que la inferencia sea lo suficientemente rápida y económica como para que resulte práctica? En segundo lugar, está el empaquetado y la implementación de tu modelo donde sea necesario ejecutarlo, ya sea en un clúster en la nube, un navegador, un dispositivo del perímetro o un hardware específico.
En este capítulo, abordamos varios problemas: la optimización de la inferencia, los marcos de servicio como vLLM y cómo hacer que los modelos sean portables entre entornos de ejecución y cómo implementarlos. Algunas de las bibliotecas que mencionamos aquí son como navajas suizas: exportan un modelo a su propio formato, lo cuantifican y se encargan del servicio.
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access