llama.cpp b12246 為 Qualcomm Adreno 大型注意力頭限制 Vulkan Flash Attention 工作列數
b12246
重點導讀
llama.cpp b12246 調整 Qualcomm Adreno 上大型注意力頭的 Vulkan scalar flash attention,每個 workgroup 最多使用 8 列,以避免暫存器溢位造成速度大幅下降及測試逾時。
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
b12246
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