github llama.cpp · há 2 d · inference

llama.cpp b11013 corrige alinhamento de buffer_reference em shaders im2col para Vulkan

Traduzido do English → Português (BR)

O lançamento llama.cpp b11013 aborda um erro de validação no Vulkan corrigindo o alinhamento de buffer_reference nos shaders im2col e im2col_3d. A correção resolve a issue #28960 ao alinhar o passo do ponteiro com os tamanhos reais de escrita, eliminando as detecções de GPU-AV.

Corrige VUID-RuntimeSpirv-PhysicalStorageBuffer64-06315 acionado por escritas desalinhadas em im2col.comp e im2col_3d.comp.
Define buffer_reference_align = D_SIZE para corresponder à definição por variante para float (4) e float16_t (2).
Reduz as detecções de validação de 20 para 0 tanto para as operações IM2COL quanto IM2COL_3D.

Esta mudança garante o comportamento correto de validação do Vulkan para inferência acelerada por GPU em plataformas suportadas.

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

Ler original

llama.cpp b11046 adiciona suporte para OpenCL ao kernel flash_attn_f32_f16_bin

O projeto llama.cpp lançou a versão b11046, que introduz suporte para OpenCL no kernel `flash_attn_f32_f16_bin`. Esta atualização também inclui funcionalidade de pré-preenchimento protegido para Flash Attention em dispositivos OpenCL.

github llama.cpp · há 1 h · 1 visualização Ao vivo

llama.cpp b11044 atualiza hexagon im2col e lança binários

O projeto llama.cpp lançou a versão b11044, que inclui uma atualização no backend hexagon para melhorar as operações image-to-column (im2col). O lançamento fornece binários pré-compilados para macOS, Linux, Windows, Android e openEuler em CPU, GPU e outros aceleradores de hardware.

github llama.cpp · há 2 h · 1 visualização

llama.cpp b11045 adiciona suporte à operação ROLL no backend Hexagon

O projeto llama.cpp lançou a versão b11045, que introduz suporte para a operação ROLL dentro do backend Hexagon.

github llama.cpp · há 3 h · 1 visualização

llama.cpp b11043 permite flash-attention HMX com head_dim=72

O projeto llama.cpp lançou a compilação b11043, que inclui uma alteração na implementação do flash-attention HMX. Esta atualização habilita o suporte para dimensões de cabeça que não são múltiplos de 64, permitindo especificamente configurações como head_dim=72 do SigLIP.

github llama.cpp · há 5 h · 1 visualização

llama.cpp b11042 adiciona kernel binário OpenCL A8 Q6_K

O projeto llama.cpp lançou a versão b11042, que introduz um novo kernel binário OpenCL para modelos A8 Q6_K não-MoE. Esta atualização também inclui correções de compatibilidade de layout dentro do backend OpenCL.