使用form上传文件的问题

LegerWu 2006-08-08 03:42:33
用form上传文件，如果文件很大的话，我们经常会见到Internet Explorer显示 "The page cannot be displayed - Cannot find server or DNS Error"，好像是怎么也catch不了这个错误。
不知各位做过类似上传的老大是如何解决这个问题的？
...全文
294 7 打赏 收藏 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
思危 2006-08-09
  • 打赏
  • 举报
 回复
不懂这个，学习来
jspadmin 2006-08-09
  • 打赏
  • 举报
 回复
呵呵，你让我来接分的哈
非图片也可以获取，回头在web版给你回复
LegerWu 2006-08-08
  • 打赏
  • 举报
 回复
顶一下，眼看就要沉下去了啊！
科学家 2006-08-08
  • 打赏
  • 举报
 回复
抢分事件导致你的帖子上升导致你的问题更有可能被明白人看到。所以
再抢一次
LegerWu 2006-08-08
  • 打赏
  • 举报
 回复
顶一下，眼看就要沉下去了啊！
科学家 2006-08-08
  • 打赏
  • 举报
 回复
TransmitFile
科学家 2006-08-08
  • 打赏
  • 举报
 回复
其实我是来抢分的
大模型推理加速实战：从 KV Cache 到连续批处理的全链路优化
减少重复计算消除空闲等待精细化资源管理（PagedAttention + 前缀缓存）。三者缺一不可，且必须根据实际负载特征进行参数调优。基线测量先行：部署前先用基准测试工具测量裸模型的 TTFT 和 Tokens/s，建立性能基线。显存预算规划：根据模型大小和目标并发数，反推 KV Cache 可用显存，设置合理的（建议 0.90-0.95）。渐进式调参：从默认配置开始，逐步调整block_sizeswap_space，每次只改一个参数，用数据验证效果。监控 P99 延迟。
LLM推理加速实战：KV Cache与Continuous Batching优化吞吐与延迟
在深度学习推理优化领域，批处理（Batching）和注意力机制（Attention）是两大核心技术支柱。批处理通过并行计算提升硬件利用率，而注意力机制则是Transformer架构的核心，负责捕捉序列中的长程依赖关系。其技术价值在于，它们共同决定了模型服务在延迟（Latency）和吞吐量（Throughput）之间的权衡曲线，是构建高效、低成本AI服务的关键。在实际应用场景中，尤其是在大型语言模型（LLM）的在线推理服务里，如何同时服务大量用户请求并保持快速响应成为核心挑战。为此，工程师们引入了**KV C
【学习笔记】推理加速三板斧：KV Cache、PagedAttention、Continuous Batching（11/35）
这篇文章深入解析了大模型推理优化的三大核心技术：KVCache、PagedAttention和ContinuousBatching。首先指出朴素推理与优化推理存在150倍的性能差距，强调推理成本远高于训练成本。文章详细拆解了三大技术：KVCache通过缓存键值对避免重复计算，量化后可节省显存；PagedAttention借鉴操作系统分页思想，将KVCache分块管理，使显存利用率从30%提升到90%；ContinuousBatching实现迭代级调度，吞吐量提升5-10倍。
大模型推理优化实战：从KV Cache量化到Continuous Batching，破解吞吐与延迟的平衡难题
在大语言模型（LLM）的工程化部署中，推理效率是核心挑战。其原理在于Transformer架构的自回归生成过程存在大量重复计算，严重制约吞吐。为解决此问题，KV Cache技术应运而生，通过缓存注意力层的键值向量，以空间换时间，将计算复杂度从O(N²)降至近O(N)，显著降低延迟。这项技术的工程价值在于，它是构建高性能推理服务的基石。然而，KV Cache本身会带来巨大的显存占用，成为限制并发吞吐的新瓶颈。因此，在实际应用场景中，必须结合量化压缩、高效内存管理等手段对其进行优化。例如，将KV Cache从F
Attention机制背后的时空博弈：KV Cache与Continuous Batching的协同进化论
本文深入探讨了KV Cache与Continuous Batching在大模型推理中的协同优化策略，揭示了它们在时间和空间维度上的博弈关系。通过分析Attention机制的计算本质，展示了KV Cache如何以空间换时间提升效率，以及Continuous Batching如何动态重组资源优化性能。文章还提供了实践中的工程挑战解决方案和未来演进方向，为性能优化提供了重要参考。
VC/MFC

16,550

社区成员

421,606

社区内容

发帖
与我相关
我的任务
社区描述
VC/MFC相关问题讨论
社区管理员
  • 基础类社区
  • Creator Browser
  • encoderlee
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告

        VC/MFC社区版块或许是CSDN最“古老”的版块了，记忆之中，与CSDN的年龄几乎差不多。随着时间的推移，MFC技术渐渐的偏离了开发主流，若干年之后的今天，当我们面对着微软的这个经典之笔，内心充满着敬意，那些曾经的记忆，可以说代表着二十年前曾经的辉煌……
        向经典致敬，或许是老一代程序员内心里面难以释怀的感受。互联网大行其道的今天，我们期待着MFC技术能够恢复其曾经的辉煌，或许这个期待会永远成为一种“梦想”，或许一切皆有可能……
        我们希望这个版块可以很好的适配Web时代，期待更好的互联网技术能够使得MFC技术框架得以重现活力，……

试试用AI创作助手写篇文章吧

+ 用AI写文章