发表于 2024年7月23日7月23日 在本地部署了 ollama 的 API 做生成任务，现在有 4 块 A800 的 GPU ，ollama 已经开启了并行任务。现在的问题是，模型速度提不上去，GPU 也没有跑满，占用在 80%左右，显存也只用了 1/2 。是其他什么硬件到了瓶颈吗？影响模型生成速度的内存带宽？如何能提升速度？
