github llama.cpp · il y a 3 j · inference

llama.cpp b10830 ajoute le drapeau --fuse-qkv pour la conversion HF vers GGUF

Traduit de English → Français

Le projet llama.cpp a publié la version b10830, introduisant une nouvelle option de ligne de commande pour la conversion de modèles. Cette mise à jour ajoute le drapeau `--fuse-qkv`, qui permet aux utilisateurs de fusionner les matrices Query, Key et Value en une seule structure QKV lors de la conversion du format Hugging Face vers GGUF.

La release inclut des binaires pour macOS (Apple Silicon et Intel), Linux (Ubuntu avec les backends CPU, Vulkan, ROCm, OpenVINO et SYCL), Android, Windows (CPU, CUDA 12/13, Vulkan, OpenCL, ROCm, OpenVINO et SYCL) et openEuler.
Le support iOS est fourni via un XCFramework, tandis que le support de KleidiAI sur macOS Apple Silicon est actuellement désactivé.

Cette mise à jour offre aux utilisateurs un chemin de conversion plus efficace pour les modèles qui bénéficient de mécanismes d'attention fusionnés.

Importance 1/3 Confiance 1/3 llama.cpp Inference efficiency Local inference

Lire l'original

llama.cpp désactive le chargement paresseux des tenseurs par défaut sur les GPU intégrés

Le projet llama.cpp a désactivé le chargement paresseux des tenseurs par défaut pour les GPU intégrés (iGPU) dans la version b10867. Ce changement corrige une régression introduite dans le paramètre de mode "AUTO" précédent.

github llama.cpp · il y a 2 j · 3 vues

llama.cpp b10864 corrige l'éviction des points de contrôle pour les modèles hybrides

Le projet llama.cpp a publié la compilation b10864, qui inclut une correction pour la logique d'éviction des intervalles des points de contrôle dans `create_checkpoint()`. Auparavant, la règle d'éviction conservait le point de contrôle le plus ancien et supprimait les suivants dans `checkpoint_min_step`, ce qui faisait que les prompts plus courts que ce seuil perdaient le point de contrôle nécessaire à la reprise. Cela forçait les modèles hybrides et récurrents à reprefiller inutilement depuis le point de contrôle précédent.

github llama.cpp · il y a 3 j · 6 vues

llama.cpp b10844 ajoute des opérations fusionnées hyper-connexion Vulkan pour DeepSeek-V4

Le projet llama.cpp a publié la version b10844, introduisant le support des opérations fusionnées hyper-connexion DeepSeek-V4 (DSV4_HC_COMB/PRE/POST) dans le backend Vulkan. Cette mise à jour aligne Vulkan sur CUDA et Metal en ce qui concerne ces optimisations spécifiques.

github llama.cpp · il y a 3 j · 4 vues

llama.cpp b10842 ajoute le support HIP pour gfx90c

Le projet llama.cpp a publié la compilation b10842, qui introduit le support de l'architecture gfx90c via HIP.

media Hugging Face Forums · il y a 3 j · 8 vues

AI Model Radar lance avec un ajustement matériel mesuré pour les modèles ouverts

Un nouveau site appelé AI Model Radar aide les utilisateurs à déterminer quels modèles ouverts conviennent réellement à leur GPU ou Mac en utilisant des données mesurées plutôt que des estimations. La plateforme calcule les tailles de poids basées sur des fichiers GGUF publiés réels et calcule la couche de cache de contexte couche par couche à partir des configurations du modèle.