llama.cpp 修好 OpenCL 注意力運算的 3 個問題
b12456
重點導讀
llama.cpp 修正 OpenCL 的 flash-attention 預填運算路徑中的 3 個問題。
- 第一個問題會讓每次運算留下沒釋放的資料,讓伺服器越跑越慢。
- 修正後會釋放這些資料。第二個問題是在 q8_0 的 K/V 資料搭配 512 大小的注意力頭時,可能算出錯誤結果,現在會改走一般運算路徑。第三個問題是輸入太長、超過裝置能處理的影像寬度時,原本會失敗。
- 現在也會改走一般路徑。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處github.com
b12456
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: llama.cpp Releases (github.com)
開啟原文