github llama.cpp · 방금 · inference

llama.cpp b11433, Hexagon 풀 연산 지원 추가

번역 English → 한국어

llama.cpp 프로젝트는 Hexagon NPU에서 풀링 연산을 위한 지원을 도입한 버전 b11433을 출시했습니다. 이 업데이트에는 2D 및 1D 풀링 레이어에 대한 구현이 포함되어 있습니다.

Hexagon 백엔드에 pool_2d 및 pool_1d 지원 추가.
HTP 풀링 경계 및 DMA 파이프라이닝 최적화.
DMA 파이프라인 재작성 및 풀 청킹(chunking) 지원 추가.
벡터화된 스칼라 경로 제거 및 청크 솔버 단순화.

이 릴리스는 CPU, GPU 및 NPU 아키텍처를 위한 macOS, Linux, Windows, Android 및 openEuler용 바이너리를 제공합니다.

중요도 1/3 신뢰도 1/3 llama.cpp Hugging Face Inference efficiency

원문 보기

llama.cpp b11424, Vulkan Flash Attention 공유 메모리 경계 밖 쓰기 수정

llama.cpp 프로젝트가 버전 b11424를 출시했으며, 여기에는 Flash Attention 사용 시 Vulkan 백엔드에서 공유 메모리 경계 밖 쓰기가 발생하는 오류에 대한 수정이 포함되어 있습니다.

github llama.cpp · 13시간 전 · 조회수 16회

llama.cpp b11413에 양자화된 K/V를 위한 Vulkan 희소 플래시 어텐션 추가

llama.cpp b11413 릴리스는 양자화된 Key 및 Value 텐서를 지원하는 새로운 Vulkan 기반 희소 플래시 어텐션 구현을 도입합니다. 이 업데이트는 큰 컨텍스트 윈도우를 가진 디코딩 작업에는 비용이 너무 많이 드는 이전 컴팩션 방법의 성능 문제를 해결합니다.

github llama.cpp · 16시간 전 · 조회수 23회

llama.cpp b11405, 4개의 헤드를 위해 키와 토큰에 걸쳐 라이트닝 인덱서를 타일링함

llama.cpp b11405 릴리스는 작은 헤드 수에서 성능 문제를 해결하기 위해 4개의 헤드를 위해 키와 토큰에 걸쳐 라이트닝 인덱서를 타일링하여 CUDA 백엔드를 업데이트합니다.

github llama.cpp · 17시간 전 · 조회수 25회

llama.cpp b11403은 작은 배치 크기에서 얇은 f16/bf16 mul_mat에 MMVF를 사용

llama.cpp 프로젝트는 b11403 버전을 출시했으며, 여기에는 작은 배치 크기에서 얇은 f16 및 bf16 행렬 곱셈에 MMVF 커널을 사용하기 위한 CUDA 최적화가 포함되어 있습니다.

github llama.cpp · 1일 전 · 조회수 36회

llama.cpp b11390 CUDA MMQ 메모리 오류 수정

llama.cpp 프로젝트는 전문가 수가 마이크로 배치 크기보다 훨씬 클 때 발생하는 CUDA MMQ 메모리 오류를 수정한 버전 b11390을 출시했습니다.