62 lines
3.1 KiB
Markdown
62 lines
3.1 KiB
Markdown
# model-inference-memory Specification
|
||
|
||
## Purpose
|
||
TBD - created by archiving change release-model-inference-memory. Update Purpose after archive.
|
||
## Requirements
|
||
### Requirement: Cached model sessions survive inference cleanup
|
||
|
||
系统 SHALL 在清理一次推理使用的临时内存后保留对应模型的已加载 Session，使相同模型、Device 与 Runtime 的下一次请求复用该 Session。
|
||
|
||
#### Scenario: Matching request reuses the loaded model
|
||
|
||
- **WHEN** 一个模型操作成功完成临时推理内存清理，随后以相同模型、Device 与 Runtime 再次请求该模型
|
||
- **THEN** 系统复用同一个已加载 Session，且不重新从模型文件创建 Session
|
||
|
||
#### Scenario: All model families share the lifecycle
|
||
|
||
- **WHEN** BEN2、DA3、MoGe-2 或任一 Upscale 模型在支持清理的 Provider 上完成推理
|
||
- **THEN** 每个模型均遵循相同的 Session 保留与临时内存释放语义
|
||
|
||
### Requirement: Temporary GPU inference memory is released at operation completion
|
||
|
||
系统 SHALL 在 Execution Provider 支持 memory arena shrinkage 时，于一次成功业务推理的最后一次模型运行请求释放不再使用的临时 GPU arena，同时保留 Session 持有的模型资源。
|
||
|
||
#### Scenario: Single-run inference releases temporary memory
|
||
|
||
- **WHEN** 一次业务推理只执行一次模型运行并成功返回
|
||
- **THEN** 该次模型运行请求在结束时收缩支持回收的 GPU memory arena
|
||
|
||
#### Scenario: Multi-frame inference releases after the final frame
|
||
|
||
- **WHEN** 一次业务推理依次处理多个输入帧
|
||
- **THEN** 中间帧不触发 arena shrinkage，最后一帧的模型运行请求触发 arena shrinkage
|
||
|
||
#### Scenario: Tiled inference releases after the final tile
|
||
|
||
- **WHEN** Upscale 为一个或多个输入帧执行多次分块模型运行
|
||
- **THEN** 中间分块与中间帧不触发 arena shrinkage，整个业务推理的最后一个分块触发 arena shrinkage
|
||
|
||
### Requirement: Unsupported providers retain existing inference behavior
|
||
|
||
系统 MUST 只向明确支持所选 memory arena shrinkage 配置的 Execution Provider 提交该配置；其他 Provider SHALL 按原有运行方式执行。
|
||
|
||
#### Scenario: Provider does not support GPU arena shrinkage
|
||
|
||
- **WHEN** 模型 Session 使用 CPU、DirectML、CoreML 或其他未声明支持该 GPU arena shrinkage 配置的 Provider
|
||
- **THEN** 系统不提交对应的 Provider 或 Run 清理配置，且推理继续正常执行
|
||
|
||
### Requirement: Inference results and failure contracts remain stable
|
||
|
||
临时内存释放 SHALL 不改变模型输入、模型输出、Job 产物、取消检查或既有资源错误处理。
|
||
|
||
#### Scenario: Cleanup-enabled inference returns the same model result
|
||
|
||
- **WHEN** 对相同输入与模型分别执行启用和未启用临时内存释放的推理
|
||
- **THEN** 两次推理返回相同结构、尺寸、dtype 与数值语义的模型结果
|
||
|
||
#### Scenario: Upscale provider resource failure
|
||
|
||
- **WHEN** Upscale 的 Execution Provider 因 GPU 或系统内存不足而失败
|
||
- **THEN** 系统继续释放失效的 Upscale Session，并返回既有的可读资源错误
|
||
|