 Georgi Gerganov
|
9c67c2773d
ggml : add Flash Attention (#5021)
|
1 an în urmă |
 slaren
|
0d56246f4b
ggml : group all experts in a single ggml_mul_mat_id (#6505)
|
1 an în urmă |
 Shijie
|
f4dea7da18
llama : add qwen2moe (#6074)
|
1 an în urmă |
|
slaren
|
fbbc030ba9
metal : unify mul_mv_id kernels (#6556)
|
1 an în urmă |
|
slaren
|
08a0c02060
ggml : mul_mat_id use the same tensor for all the experts (#6387)
|
1 an în urmă |
 Kawrakow
|
55c1b2a3bb
IQ1_M: 1.75 bpw quantization (#6302)
|
1 an în urmă |
|
Georgi Gerganov
|
95d576b48e
metal : pad n_ctx by 32 (#6177)
|
1 an în urmă |
|
slaren
|
d8fd0ccf6a
test-backend-ops : skip CPU backend by default (#6028)
|
1 an în urmă |
|
Georgi Gerganov
|
5b09797321
ggml : remove old quantization functions (#5942)
|
1 an în urmă |
 leejet
|
7d43c585dc
add some new ops, fix some operators and add batch operations to certain operators. (ggml/747)
|
1 an în urmă |
|
Kawrakow
|
0becb22ac0
IQ4_XS: a 4.25 bpw quantization (#5747)
|
1 an în urmă |
|
Kawrakow
|
a33e6a0d2a
Adding IQ2_S and IQ2_M to complete coverage of the 2-3 bit quantization range (#5721)
|
1 an în urmă |
|
Georgi Gerganov
|
ab336a9d5e
code : normalize enum names (#5697)
|
1 an în urmă |
|
Kawrakow
|
4c4cb30736
IQ3_S: a much better alternative to Q3_K (#5676)
|
1 an în urmă |
|
Kawrakow
|
a14679cc30
IQ4_NL: 4-bit non-linear quants with blocks of 32 (#5590)
|
1 an în urmă |
|
Kawrakow
|
bd2d4e393b
1.5 bit quantization (#5453)
|
1 an în urmă |
|
Georgi Gerganov
|
8f1be0d42f
ggml : add ALiBi support for ggml_soft_max_ext (#5488)
|
1 an în urmă |
|
Georgi Gerganov
|
99b8b43d7b
tests : disable moe test (#5473)
|
1 an în urmă |
 JidongZhang-THU
|
15606309a0
llava : add MobileVLM support (#5132)
|
1 an în urmă |
 John Balis
|
625a699b54
`ggml_cuda_cpy` support for 4d tensors and float16->float32 upcasting (ggml/686)
|
1 an în urmă |
|
Kawrakow
|
f4d7e54974
SOTA 3-bit quants (#5196)
|
1 an în urmă |
 Jared Van Bortel
|
fbf1ddec69
Nomic Vulkan backend (#4456)
|
1 an în urmă |
 Abhilash Majumder
|
0f648573dd
ggml : add unified SYCL backend for Intel GPUs (#2690)
|
1 an în urmă |
 Michael Klimenko
|
35a2ee9143
Remove unused data and add fixes (#5154)
|
2 ani în urmă |
|
Georgi Gerganov
|
38566680cd
ggml : add IQ2 to test-backend-ops + refactoring (#4990)
|
2 ani în urmă |
|
Kawrakow
|
147b17ac94
2-bit quantizations (#4897)
|
2 ani în urmă |
|
slaren
|
e7e4df031b
llama : ggml-backend integration (#4766)
|
2 ani în urmă |
 Johannes Gäßler
|
8f900abfc0
CUDA: faster softmax via shared memory + fp16 math (#4742)
|
2 ani în urmă |
|
Johannes Gäßler
|
a91928014f
Print backend name on test-backend-ops failure (#4751)
|
2 ani în urmă |
 Guillaume Wenzek
|
5f66ebca9c
ggml : extend ggml_get_rows, ggml_repeat, ggml_concat (ggml/639)
|
2 ani în urmă |
