github llama.cpp · 1 jam lalu · inference

llama.cpp b10150 menyesuaikan logika pengalihan ggml dan memperbaiki grafik dsv4

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp telah merilis build b10150, yang mencakup penyesuaian pada logika ggml untuk operasi pengalihan ke backend berat. Pembaruan ini juga menangani perbaikan untuk grafik llama dsv4.

ggml: sesuaikan logika pengalihan ops ke backend berat
llama: perbaikan grafik dsv4

Rilis ini menyediakan biner yang diperbarui untuk macOS, Linux, Windows, Android, dan iOS di berbagai backend perangkat keras termasuk CPU, CUDA, Vulkan, ROCm, dan OpenVINO.

Kepentingan 1/3 Kepercayaan 1/3 llama.cpp Inference efficiency Local inference

Baca aslinya

TraceML menambahkan callback Hugging Face Trainer untuk mendiagnosis bottleneck pemuatan data

Penulis telah mengintegrasikan alat diagnostik ke dalam TraceML, sebuah proyek observabilitas PyTorch sumber terbuka, untuk membantu pengguna membedakan antara masalah kinerja pelatihan yang dibatasi oleh komputasi GPU dan yang dibatasi oleh input. Fitur baru ini memungkinkan pengembang dengan cepat mengidentifikasi apakah utilisasi GPU yang rendah disebabkan oleh pemuatan data yang lambat atau batas komputasi model yang sebenarnya.

github llama.cpp · 5 jam lalu · 1 tayangan

Aaron Teo menambahkan argumen -lm mlock ke llama.cpp

Aaron Teo telah mengirimkan perubahan ke repositori llama.cpp yang memperkenalkan argumen baris perintah `-lm mlock` baru. Penambahan ini memungkinkan pengguna untuk mengunci memori secara eksplisit di wilayah tempat kode melakukan operasi `mlock` tetapi tidak menggunakan `mmap`.

github llama.cpp · 4 hari lalu

llama.cpp b10093 memperbaiki template DeepSeek v4 dan menambahkan flag drop_reasoning

Proyek llama.cpp telah merilis build b10093, yang mencakup pembaruan spesifik untuk mendukung model DeepSeek v4. Rilis ini menangani penanganan template dan memperkenalkan flag konfigurasi baru untuk keluarga model ini.

github llama.cpp · 5 hari lalu · 1 tayangan

llama.cpp b10089 menambahkan dukungan penuh k-quant dan i-quant ke CUDA GET_ROWS

Rilis llama.cpp b10089 memperluas operasi CUDA GET_ROWS untuk mendukung format kuantisasi k-quants, i-quants, dan mxfp4. Perubahan ini memastikan bahwa semua jenis GGML yang terkuantisasi sekarang dapat mengambil jalur perangkat langsung untuk pencarian embedding.

github llama.cpp · 6 hari lalu

llama.cpp b10076 memvektorkan get_rows dengan salinan int4 untuk percepatan 27%

Proyek llama.cpp merilis build b10076, yang memperkenalkan optimasi kinerja pada backend CUDA dengan memvektorkan operasi `get_rows` menggunakan salinan int4. Perubahan ini mengangkat pekerjaan invarian baris keluar dari loop per-elemen dan menambahkan jalur tervektorisasi yang menyalin 16 byte per thread untuk data kontigu tipe yang sama.