github llama.cpp · há 1 d · inference

llama.cpp b10871 adiciona shader mat-vec iq4_xs dedicado para Vulkan

Traduzido do English → Português (BR)

O projeto llama.cpp lançou a compilação b10871, introduzindo um shader mul_mat_vec_iq4_xs dedicado para o caminho dmmv no Vulkan. Esta alteração substitui a implementação genérica de fallback anterior para melhorar o desempenho em hardware RDNA4.

O novo shader fornece uma geração de tokens aproximadamente 6-17% mais rápida, dependendo do modelo utilizado.
Um branch experimental que tentava desenrolar completamente o loop do bloco para n_it <= 8 foi removido, pois era funcionalmente equivalente ao loop simples mantido no código.
Os binários estão disponíveis para macOS, Linux, Windows, Android e openEuler nos backends CPU, CUDA, ROCm, OpenVINO, SYCL e Vulkan.

Importância 1/3 Confiança 1/3 llama.cpp Hugging Face Inference efficiency

Ler original

llama.cpp b10888 adiciona rótulos de depuração de buffer de comandos para profilers de GPU

O projeto llama.cpp lançou a compilação b10888, que inclui um novo recurso para adicionar rótulos de depuração de buffer de comandos para profilers de GPU no backend Vulkan.

github llama.cpp · há 3 h · 1 visualização

llama.cpp b10886 adiciona suporte a intrínsecos vetoriais Q1_0 para s390x

O projeto llama.cpp lançou a compilação b10886, que introduz o suporte a intrínsecos vetoriais Q1_0 para a arquitetura s390x. Esta atualização inclui a implementação de `ggml_vec_dot_q1_0_q8_0` e atualiza a documentação para refletir a nova capacidade.

github llama.cpp · há 17 h · 1 visualização

llama.cpp b10883 corrige multiplicação de matrizes Vulkan e restaura otimizações Ampere

O projeto llama.cpp lançou a compilação b10883, que inclui atualizações significativas no backend Vulkan. A principal alteração envolve o uso de constantes de especificação para operações de multiplicação matriz-matriz tipo A para melhorar a compilação e o desempenho dos shaders.

github llama.cpp · há 1 d · 2 visualizações

llama.cpp b10870 adiciona pipelines de multiplicação matricial f16 tipo B e ajuste do tamanho do tile warp para Intel coopmat1

O projeto llama.cpp lançou a versão b10870, introduzindo suporte Vulkan para pipelines de multiplicação matricial f16 tipo B e ajuste do tamanho do tile warp especificamente para hardware Intel coopmat1.

github llama.cpp · há 2 d · 1 visualização

llama.cpp b10863 corrige threads ociosas no Metal mul_mv_iq3_xxs para matrizes pequenas

O projeto llama.cpp lançou a compilação b10863, que inclui uma correção para threads ociosas no kernel `mul_mv_iq3_xxs` no Metal quando `ne00` é menor que 1024. A atualização aborda um problema de simdgroup meio ocioso introduzindo um kernel dividido separado para dimensões específicas da matriz.