github llama.cpp · 6시간 전 · inference

llama.cpp b10714, Strix Halo용 Vulkan mat-vec 행 조정

번역 English → 한국어

llama.cpp 프로젝트는 AMD Strix Halo 하드웨어를 타겟팅하는 Vulkan 백엔드를 위한 특정 최적화를 포함하는 빌드 b10714를 출시했습니다. 이 업데이트는 배치 추론 중 성능을 향상시키기 위해 행렬-벡터 곱셈 행 수를 조정합니다.

Vulkan: 4개 이상의 열을 가진 RDNA3 아키텍처에서 mat-vec 작업에 대해 정적 4행을 설정하며, 이 구성은 기본값보다 벤치마크에서 더 빠릅니다.
Vulkan: Strix Halo 머신에서 mul_mat_vec_id에 대해 정적 4행 설정을 적용하며, 기본값과 비교하여 다양한 유형 및 배치 크기에서 더 빠른 것으로 입증되었습니다.

이러한 변경 사항은 Strix Halo와 같은 RDNA3 기반 GPU에서 llama.cpp를 실행하는 사용자에게 실질적인 성능 향상을 제공합니다.

중요도 1/3 신뢰도 1/3 llama.cpp Inference efficiency Local inference

원문 보기

llama.cpp b10721이 WebGPU 충돌을 수정하고 Windows용 CUDA 13.4 지원을 추가했습니다

llama.cpp 프로젝트는 WebGPU 백엔드에 대한 중요한 수정과 Windows에서의 하드웨어 지원 확장을 포함하는 빌드 b10721을 출시했습니다.

github llama.cpp · 2시간 전

llama.cpp b10718이 specdec 및 멀티 토큰에 MOE 융합을 확장

llama.cpp 프로젝트는 CUDA 백엔드에 중요한 업데이트를 포함하는 버전 b10718을 출시했습니다. 가장 주목할 만한 변경은 Mixture of Experts (MOE) 융합을 스펜크티브 디코딩(specdec) 지원을 위해 확장하여, 이전 MOE glu 융합과 topk-router 융합이 한 번에 하나의 토큰만 처리하도록 제한되었던 문제를 해결한 것입니다.

github llama.cpp · 5시간 전 · 조회수 1회

llama.cpp b10715, KV 캐시 주입에 DFlash 인코더 융합

llama.cpp 프로젝트는 DFlash 구현에 대한 주요 최적화를 포함하는 빌드 b10715를 출시했습니다. 이제 DFlash 인코더는 디코딩 중 KV 캐시 주입 프로세스에 직접 융합됩니다.

github llama.cpp · 12시간 전 · 조회수 3회

llama.cpp b10706에 SWIGLU_CLAMP 및 Vulkan 셰이더 지원 추가

llama.cpp 프로젝트는 ggml 백엔드에 새로운 기능을 도입하는 빌드 b10706을 출시했습니다. 이 업데이트에는 SWIGLU_CLAMP 추가와 새로운 Vulkan 셰이더 구현이 포함됩니다.

github llama.cpp · 13시간 전 · 조회수 9회

llama.cpp b10707, 더 빠른 생성을 위해 KV 캐시 셀 스캔 최적화

llama.cpp 프로젝트가 키-값(KV) 캐시 처리에 대한 성능 최적화를 포함하는 버전 b10707을 출시했습니다. 이번 업데이트는 모든 가능한 최대 시퀀스를 반복하는 대신 특정 셀 내의 모든 시퀀스가 확인되면 스캔을 중단하도록 `for_each_token_in` 함수를 수정합니다.