github llama.cpp · baru saja · inference

llama.cpp b10905 menyetel Flash Attention untuk AMD RDNA4 dan merevisi log stream-k

Diterjemahkan dari English → Bahasa Indonesia

Proyek llama.cpp merilis build b10905, yang mencakup penyetelan spesifik Flash Attention untuk CUDA/HIP pada arsitektur gfx1201. Pembaruan ini berfokus pada mengoptimalkan kinerja untuk GPU AMD RDNA4.

HIP: Mengaktifkan Flash Attention yang dipercepat perkalian matriks (mma) untuk ukuran kepala 256 pada RDNA4 dan menyetel konfigurasi terkait.
HIP: Lebih memilih grid Flash Attention whole-tile daripada stream-k pada arsitektur AMD WMMA.
Merevisi log stream_k untuk meningkatkan alur eksekusi.
Merevisi log pemilihan kernel untuk penargetan perangkat keras yang lebih baik.

Rilis ini menyediakan biner untuk macOS, Linux, Windows, Android, dan openEuler melalui berbagai backend termasuk CPU, CUDA, ROCm, Vulkan, OpenVINO, SYCL, dan OpenCL.

Kepentingan 1/3 Kepercayaan 1/3 llama.cpp Hugging Face Inference efficiency

Baca aslinya

llama.cpp b10888 menambahkan label debug buffer perintah untuk profiler GPU

Proyek llama.cpp telah merilis build b10888, yang mencakup fitur baru untuk menambahkan label debug buffer perintah untuk profiler GPU di backend Vulkan.

github llama.cpp · 1 hari lalu · 1 tayangan

llama.cpp b10886 menambahkan dukungan intrinsik vektor Q1_0 untuk s390x

Proyek llama.cpp merilis build b10886, yang memperkenalkan dukungan intrinsik vektor Q1_0 untuk arsitektur s390x. Pembaruan ini mencakup implementasi `ggml_vec_dot_q1_0_q8_0` dan memperbarui dokumentasi untuk mencerminkan kemampuan baru.

github llama.cpp · 2 hari lalu · 2 tayangan

llama.cpp b10883 memperbaiki perkalian matriks Vulkan dan memulihkan optimasi Ampere

Proyek llama.cpp merilis build b10883, yang mencakup pembaruan signifikan pada backend Vulkan. Perubahan utama melibatkan penggunaan konstanta spesifikasi untuk operasi perkalian matriks-matriks tipe A guna meningkatkan kompilasi shader dan kinerja.

github llama.cpp · 2 hari lalu · 5 tayangan

llama.cpp b10870 menambahkan pipeline matriks f16 tipe B dan penyetelan tile warp untuk Intel coopmat1

Proyek llama.cpp merilis versi b10870, memperkenalkan dukungan Vulkan untuk pipeline perkalian matriks f16 tipe B dan penyetelan ukuran tile warp secara khusus untuk perangkat keras Intel coopmat1.

github llama.cpp · 2 hari lalu · 4 tayangan

llama.cpp b10871 menambahkan shader mat-vec iq4_xs khusus untuk Vulkan

Proyek llama.cpp merilis build b10871, memperkenalkan shader mul_mat_vec_iq4_xs khusus untuk jalur dmmv di Vulkan. Perubahan ini menggantikan implementasi fallback generik sebelumnya untuk meningkatkan kinerja pada perangkat keras RDNA4.