Prismax ha reducido el uso de VRAM para la inferencia π0.5 de aproximadamente 22 GB a solo 11.2 GB, llevándolo al alcance de GPUs de 16 GB como la RTX 5080 y la 5070 Ti. ¿Cómo se logró? > Eliminación de la inicialización innecesaria del modelo en FP32. > Evitación de que los modelos de PyTorch ocupen VRAM junto con motores TensorRT compilados. Resultado: casi 10 GB menos de uso de VRAM sin sacrificar el modelo. Esto hace que la inferencia de robótica π0.5 de alto rendimiento sea más accesible en hardware de escritorio y portátil. @PrismaXai
JasonCompartir
Fuente:Mostrar original
Descargo de responsabilidad: La información contenida en esta página puede proceder de terceros y no refleja necesariamente los puntos de vista u opiniones de KuCoin. Este contenido se proporciona solo con fines informativos generales, sin ninguna representación o garantía de ningún tipo, y tampoco debe interpretarse como asesoramiento financiero o de inversión. KuCoin no es responsable de ningún error u omisión, ni de ningún resultado derivado del uso de esta información.
Las inversiones en activos digitales pueden ser arriesgadas. Evalúa con cuidado los riesgos de un producto y tu tolerancia al riesgo en función de tus propias circunstancias financieras. Para más información, consulta nuestras Condiciones de uso y la Declaración de riesgos.