github llama.cpp · ahora mismo · inference

llama.cpp b10905 ajusta Flash Attention para AMD RDNA4 y revisa la lógica de stream-k

Traducido del English → Español

El proyecto llama.cpp lanzó la compilación b10905, que incluye un ajuste específico de Flash Attention para CUDA/HIP en la arquitectura gfx1201. Esta actualización se centra en optimizar el rendimiento para GPUs AMD RDNA4.

HIP: Habilita Flash Attention acelerado por multiplicación de matrices (mma) para tamaño de cabeza 256 en RDNA4 y ajusta las configuraciones asociadas.
HIP: Prefiere cuadrículas de Flash Attention de mosaico completo sobre stream-k en arquitecturas AMD WMMA.
Se revisó la lógica de stream_k para mejorar el flujo de ejecución.
Se revisó la lógica de selección de kernel para un mejor enfoque de hardware.

El lanzamiento proporciona binarios para macOS, Linux, Windows, Android y openEuler a través de varios backends incluyendo CPU, CUDA, ROCm, Vulkan, OpenVINO, SYCL y OpenCL.

Importancia 1/3 Confianza 1/3 llama.cpp Hugging Face Inference efficiency

Leer original

llama.cpp b10888 añade etiquetas de depuración de búfer de comandos para perfiles de GPU

El proyecto llama.cpp ha lanzado la compilación b10888, que incluye una nueva función para agregar etiquetas de depuración de búfer de comandos para perfiles de GPU en el backend de Vulkan.

github llama.cpp · hace 1 d · 1 vista

llama.cpp b10886 añade soporte de intrínsecos vectoriales Q1_0 para s390x

El proyecto llama.cpp lanzó la compilación b10886, que introduce el soporte de intrínsecos vectoriales Q1_0 para la arquitectura s390x. Esta actualización incluye la implementación de `ggml_vec_dot_q1_0_q8_0` y actualiza la documentación para reflejar la nueva capacidad.

github llama.cpp · hace 2 d · 2 vistas

llama.cpp b10883 corrige la multiplicación de matrices Vulkan y restaura las optimizaciones de Ampere

El proyecto llama.cpp lanzó la compilación b10883, que incluye actualizaciones significativas en el backend de Vulkan. El cambio principal implica el uso de constantes de especificación para operaciones de multiplicación matriz-matriz tipo A para mejorar la compilación y el rendimiento de los shaders.

github llama.cpp · hace 2 d · 5 vistas

llama.cpp b10870 añade pipelines de multiplicación matricial f16 tipo B y ajuste del tamaño de tile de warp para Intel coopmat1

El proyecto llama.cpp lanzó la versión b10870, introduciendo soporte Vulkan para pipelines de multiplicación matricial f16 tipo B y ajuste del tamaño de tile de warp específicamente para hardware Intel coopmat1.

github llama.cpp · hace 2 d · 4 vistas

llama.cpp b10871 añade un shader mat-vec iq4_xs dedicado para Vulkan

El proyecto llama.cpp lanzó la compilación b10871, introduciendo un shader mul_mat_vec_iq4_xs dedicado para la ruta dmmv en Vulkan. Este cambio reemplaza la implementación genérica de respaldo anterior para mejorar el rendimiento en hardware RDNA4.