github llama.cpp · 2 д назад · inference

llama.cpp b11228 добавляет поддержку левого и кругового дополнения в Metal GGML_OP_PAD

Переведено с English → Русский

Выпуск llama.cpp b11228 добавляет поддержку левого и кругового дополнения в операции GGML_OP_PAD бэкенда Metal, согласуя её с реализациями для CPU, CUDA и Vulkan. Это изменение устраняет проблемы с правым дополнением для переставленных источников и обеспечивает согласованное поведение на разных аппаратных бэкендах.

Реализация смещает координаты источника на величину левого дополнения и оборачивает их для режимов кругового дополнения.
Добавлен тестовый пример, покрывающий новую функциональность.
Ядро f32_4 удалено, поскольку оно работает медленнее и при включении не проходит два случая дополнения.
Код использует константу функции для варианта кругового дополнения, чтобы скомпилировать ядро один раз и специализировать его для каждого конвейера.

Выпуск предоставляет бинарные файлы для macOS, iOS, Linux, Windows, Android и openEuler для различных архитектур и конфигураций бэкендов, включая CUDA, Vulkan, ROCm и OpenVINO.

Важность 1/3 Доверие 1/3 llama.cpp Hugging Face Inference efficiency

Оригинал

Похожие статьи

github llama.cpp · 10 ч назад · 2 просмотра

llama.cpp добавляет поддержку GLM-5.3-Flash с исправлениями k-pool и MTP

Проект llama.cpp добавил начальную поддержку архитектуры модели GLM-5.3-Flash (GLM5-Next), включая миграцию на гибридную индексацию памяти и ранние возможности Multi-Token Prediction (MTP).

github llama.cpp · 19 ч назад · 2 просмотра

llama.cpp b11266 загружает матрицу F32 A по 2 элемента за раз для Vulkan на Intel

Проект llama.cpp выпустил сборку b11266, которая включает оптимизацию Vulkan, загружающую матрицы F32 A по два элемента за раз, когда они выровнены по границе 2. Это изменение решает проблемы производительности на оборудовании Intel, где последовательная загрузка чисел с плавающей точкой неэффективна, а также исправляет отсутствующую проверку выравнивания `a_offset` в исходном патче.

github llama.cpp · 21 ч назад · 1 просмотр

llama.cpp b11265 исправляет выбор тайлов MOE matmul в Vulkan

Выпуск llama.cpp b11265 включает исправление обработки моделей Mixture of Experts (MoE) бэкендом Vulkan. Обновление корректирует, как `mat_mul_id` выбирает тайлы матричного умножения, устраняя проблему производительности, при которой рабочие потоки оставались простаивать во время диспетчеризации.

github llama.cpp · 2 д назад · 4 просмотра

llama.cpp b11238 добавляет ggml_pad_ext для левого дополнения и пропускает отводы DFlash2

Проект llama.cpp выпустил сборку b11238, внедрив унифицированную реализацию левого дополнения через новую функцию `ggml_pad_ext`. Это изменение объединяет предыдущие методы, используемые аудиоэнкодерами, такими как Parakeet, LFM2-Audio, Granite Speech и Gemma 4, обеспечивая битово идентичные эмбеддинги для Gemma 4 и одновременно упрощая поддержку бэкендов.

github llama.cpp · 2 д назад · 5 просмотров

llama.cpp b11232 включает tiled flash attention для x86

Проект llama.cpp выпустил сборку b11232, включающую обновления бэкенда ggml-cpu. Релиз сосредоточен на включении tiled flash attention для измерений голов без кратности вектору на архитектурах x86.