Ποιες άλλες μέθοδοι βελτιστοποίησης μπορούν να χρησιμοποιηθούν για να επιταχυνθεί η inference ή τουλάχιστον να τοποθετηθεί το μοντέλο σε 12 GB VRAM σε RTX 3090;