mirror of
https://github.com/ggerganov/llama.cpp.git
synced 2024-12-27 03:44:35 +00:00
Merge branch 'master' into gguf
This commit is contained in:
commit
38016ed9ec
1
.gitignore
vendored
1
.gitignore
vendored
@ -51,6 +51,7 @@ models-mnt
|
|||||||
/gguf
|
/gguf
|
||||||
/gguf-llama-simple
|
/gguf-llama-simple
|
||||||
/libllama.so
|
/libllama.so
|
||||||
|
/llama-bench
|
||||||
build-info.h
|
build-info.h
|
||||||
arm_neon.h
|
arm_neon.h
|
||||||
compile_commands.json
|
compile_commands.json
|
||||||
|
7
Makefile
7
Makefile
@ -1,5 +1,5 @@
|
|||||||
# Define the default target now so that it is always the first target
|
# Define the default target now so that it is always the first target
|
||||||
BUILD_TARGETS = main quantize quantize-stats perplexity embedding vdot train-text-from-scratch convert-llama2c-to-ggml simple server embd-input-test gguf
|
BUILD_TARGETS = main quantize quantize-stats perplexity embedding vdot train-text-from-scratch convert-llama2c-to-ggml simple server embd-input-test gguf llama-bench
|
||||||
|
|
||||||
# Binaries only useful for tests
|
# Binaries only useful for tests
|
||||||
TEST_TARGETS = tests/test-llama-grammar tests/test-grammar-parser tests/test-double-float tests/test-grad0 tests/test-opt tests/test-quantize-fns tests/test-quantize-perf tests/test-sampling tests/test-tokenizer-0
|
TEST_TARGETS = tests/test-llama-grammar tests/test-grammar-parser tests/test-double-float tests/test-grad0 tests/test-opt tests/test-quantize-fns tests/test-quantize-perf tests/test-sampling tests/test-tokenizer-0
|
||||||
@ -345,7 +345,7 @@ libllama.so: llama.o ggml.o $(OBJS)
|
|||||||
$(CXX) $(CXXFLAGS) -shared -fPIC -o $@ $^ $(LDFLAGS)
|
$(CXX) $(CXXFLAGS) -shared -fPIC -o $@ $^ $(LDFLAGS)
|
||||||
|
|
||||||
clean:
|
clean:
|
||||||
rm -vf *.o *.so *.dll main quantize quantize-stats perplexity embedding benchmark-matmult save-load-state server simple vdot train-text-from-scratch convert-llama2c-to-ggml embd-input-test gguf build-info.h $(TEST_TARGETS)
|
rm -vf *.o *.so *.dll main quantize quantize-stats perplexity embedding benchmark-matmult save-load-state server simple vdot train-text-from-scratch convert-llama2c-to-ggml embd-input-test gguf llama-bench build-info.h $(TEST_TARGETS)
|
||||||
|
|
||||||
#
|
#
|
||||||
# Examples
|
# Examples
|
||||||
@ -394,6 +394,9 @@ train-text-from-scratch: examples/train-text-from-scratch/train-text-from-scratc
|
|||||||
convert-llama2c-to-ggml: examples/convert-llama2c-to-ggml/convert-llama2c-to-ggml.cpp build-info.h ggml.o llama.o $(OBJS)
|
convert-llama2c-to-ggml: examples/convert-llama2c-to-ggml/convert-llama2c-to-ggml.cpp build-info.h ggml.o llama.o $(OBJS)
|
||||||
$(CXX) $(CXXFLAGS) $(filter-out %.h,$^) -o $@ $(LDFLAGS)
|
$(CXX) $(CXXFLAGS) $(filter-out %.h,$^) -o $@ $(LDFLAGS)
|
||||||
|
|
||||||
|
llama-bench: examples/llama-bench/llama-bench.cpp build-info.h ggml.o llama.o common.o $(OBJS)
|
||||||
|
$(CXX) $(CXXFLAGS) $(filter-out %.h,$^) -o $@ $(LDFLAGS)
|
||||||
|
|
||||||
build-info.h: $(wildcard .git/index) scripts/build-info.sh
|
build-info.h: $(wildcard .git/index) scripts/build-info.sh
|
||||||
@sh scripts/build-info.sh > $@.tmp
|
@sh scripts/build-info.sh > $@.tmp
|
||||||
@if ! cmp -s $@.tmp $@; then \
|
@if ! cmp -s $@.tmp $@; then \
|
||||||
|
@ -96,6 +96,7 @@ as the main playground for developing new features for the [ggml](https://github
|
|||||||
- Go: [go-skynet/go-llama.cpp](https://github.com/go-skynet/go-llama.cpp)
|
- Go: [go-skynet/go-llama.cpp](https://github.com/go-skynet/go-llama.cpp)
|
||||||
- Node.js: [hlhr202/llama-node](https://github.com/hlhr202/llama-node)
|
- Node.js: [hlhr202/llama-node](https://github.com/hlhr202/llama-node)
|
||||||
- Ruby: [yoshoku/llama_cpp.rb](https://github.com/yoshoku/llama_cpp.rb)
|
- Ruby: [yoshoku/llama_cpp.rb](https://github.com/yoshoku/llama_cpp.rb)
|
||||||
|
- Rust: [mdrokz/rust-llama.cpp](https://github.com/mdrokz/rust-llama.cpp)
|
||||||
- C#/.NET: [SciSharp/LLamaSharp](https://github.com/SciSharp/LLamaSharp)
|
- C#/.NET: [SciSharp/LLamaSharp](https://github.com/SciSharp/LLamaSharp)
|
||||||
- Scala 3: [donderom/llm4s](https://github.com/donderom/llm4s)
|
- Scala 3: [donderom/llm4s](https://github.com/donderom/llm4s)
|
||||||
|
|
||||||
|
@ -45,6 +45,7 @@ else()
|
|||||||
add_subdirectory(convert-llama2c-to-ggml)
|
add_subdirectory(convert-llama2c-to-ggml)
|
||||||
add_subdirectory(simple)
|
add_subdirectory(simple)
|
||||||
add_subdirectory(embd-input)
|
add_subdirectory(embd-input)
|
||||||
|
add_subdirectory(llama-bench)
|
||||||
if (LLAMA_METAL)
|
if (LLAMA_METAL)
|
||||||
add_subdirectory(metal)
|
add_subdirectory(metal)
|
||||||
endif()
|
endif()
|
||||||
|
8
examples/llama-bench/CMakeLists.txt
Normal file
8
examples/llama-bench/CMakeLists.txt
Normal file
@ -0,0 +1,8 @@
|
|||||||
|
set(TARGET llama-bench)
|
||||||
|
add_executable(${TARGET} llama-bench.cpp)
|
||||||
|
install(TARGETS ${TARGET} RUNTIME)
|
||||||
|
target_link_libraries(${TARGET} PRIVATE common llama ${CMAKE_THREAD_LIBS_INIT})
|
||||||
|
target_compile_features(${TARGET} PRIVATE cxx_std_11)
|
||||||
|
if(TARGET BUILD_INFO)
|
||||||
|
add_dependencies(${TARGET} BUILD_INFO)
|
||||||
|
endif()
|
969
examples/llama-bench/llama-bench.cpp
Executable file
969
examples/llama-bench/llama-bench.cpp
Executable file
@ -0,0 +1,969 @@
|
|||||||
|
#include <algorithm>
|
||||||
|
#include <array>
|
||||||
|
#include <cassert>
|
||||||
|
#include <chrono>
|
||||||
|
#include <cinttypes>
|
||||||
|
#include <cstring>
|
||||||
|
#include <ctime>
|
||||||
|
#include <iterator>
|
||||||
|
#include <map>
|
||||||
|
#include <numeric>
|
||||||
|
#include <regex>
|
||||||
|
#include <sstream>
|
||||||
|
#include <stdio.h>
|
||||||
|
#include <string>
|
||||||
|
#include <vector>
|
||||||
|
|
||||||
|
#include "ggml.h"
|
||||||
|
#include "llama.h"
|
||||||
|
#include "common.h"
|
||||||
|
#include "build-info.h"
|
||||||
|
#ifdef GGML_USE_CUBLAS
|
||||||
|
#include "ggml-cuda.h"
|
||||||
|
#endif
|
||||||
|
|
||||||
|
// utils
|
||||||
|
static uint64_t get_time_ns() {
|
||||||
|
using clock = std::chrono::high_resolution_clock;
|
||||||
|
return std::chrono::nanoseconds(clock::now().time_since_epoch()).count();
|
||||||
|
}
|
||||||
|
|
||||||
|
template<class T>
|
||||||
|
static std::string join(const std::vector<T> & values, const std::string & delim) {
|
||||||
|
std::ostringstream str;
|
||||||
|
for (size_t i = 0; i < values.size(); i++) {
|
||||||
|
str << values[i];
|
||||||
|
if (i < values.size() - 1) {
|
||||||
|
str << delim;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return str.str();
|
||||||
|
}
|
||||||
|
|
||||||
|
template<class T>
|
||||||
|
static std::vector<T> split(const std::string & str, char delim) {
|
||||||
|
std::vector<T> values;
|
||||||
|
std::istringstream str_stream(str);
|
||||||
|
std::string token;
|
||||||
|
while (std::getline(str_stream, token, delim)) {
|
||||||
|
T value;
|
||||||
|
std::istringstream token_stream(token);
|
||||||
|
token_stream >> value;
|
||||||
|
values.push_back(value);
|
||||||
|
}
|
||||||
|
return values;
|
||||||
|
}
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static T avg(const std::vector<T> & v) {
|
||||||
|
if (v.empty()) {
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
T sum = std::accumulate(v.begin(), v.end(), T(0));
|
||||||
|
return sum / (T)v.size();
|
||||||
|
}
|
||||||
|
|
||||||
|
template<typename T>
|
||||||
|
static T stdev(const std::vector<T> & v) {
|
||||||
|
if (v.size() <= 1) {
|
||||||
|
return 0;
|
||||||
|
}
|
||||||
|
T mean = avg(v);
|
||||||
|
T sq_sum = std::inner_product(v.begin(), v.end(), v.begin(), T(0));
|
||||||
|
T stdev = std::sqrt(sq_sum / (T)(v.size() - 1) - mean * mean * (T)v.size() / (T)(v.size() - 1));
|
||||||
|
return stdev;
|
||||||
|
}
|
||||||
|
|
||||||
|
static bool ggml_cpu_has_metal() {
|
||||||
|
#if defined(GGML_USE_METAL)
|
||||||
|
return true;
|
||||||
|
#else
|
||||||
|
return false;
|
||||||
|
#endif
|
||||||
|
}
|
||||||
|
|
||||||
|
static std::string get_cpu_info() {
|
||||||
|
std::string id;
|
||||||
|
#ifdef __linux__
|
||||||
|
FILE * f = fopen("/proc/cpuinfo", "r");
|
||||||
|
if (f) {
|
||||||
|
char buf[1024];
|
||||||
|
while (fgets(buf, sizeof(buf), f)) {
|
||||||
|
if (strncmp(buf, "model name", 10) == 0) {
|
||||||
|
char * p = strchr(buf, ':');
|
||||||
|
if (p) {
|
||||||
|
p++;
|
||||||
|
while (std::isspace(*p)) {
|
||||||
|
p++;
|
||||||
|
}
|
||||||
|
while (std::isspace(p[strlen(p) - 1])) {
|
||||||
|
p[strlen(p) - 1] = '\0';
|
||||||
|
}
|
||||||
|
id = p;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
#endif
|
||||||
|
// TODO: other platforms
|
||||||
|
return id;
|
||||||
|
}
|
||||||
|
|
||||||
|
static std::string get_gpu_info() {
|
||||||
|
std::string id;
|
||||||
|
#ifdef GGML_USE_CUBLAS
|
||||||
|
int count = ggml_cuda_get_device_count();
|
||||||
|
for (int i = 0; i < count; i++) {
|
||||||
|
char buf[128];
|
||||||
|
ggml_cuda_get_device_description(i, buf, sizeof(buf));
|
||||||
|
id += buf;
|
||||||
|
if (i < count - 1) {
|
||||||
|
id += "/";
|
||||||
|
}
|
||||||
|
}
|
||||||
|
#endif
|
||||||
|
// TODO: other backends
|
||||||
|
return id;
|
||||||
|
}
|
||||||
|
|
||||||
|
// command line params
|
||||||
|
enum output_formats {CSV, JSON, MARKDOWN, SQL};
|
||||||
|
|
||||||
|
struct cmd_params {
|
||||||
|
std::vector<std::string> model;
|
||||||
|
std::vector<int> n_prompt;
|
||||||
|
std::vector<int> n_gen;
|
||||||
|
std::vector<int> n_batch;
|
||||||
|
std::vector<bool> f32_kv;
|
||||||
|
std::vector<int> n_threads;
|
||||||
|
std::vector<int> n_gpu_layers;
|
||||||
|
std::vector<int> main_gpu;
|
||||||
|
std::vector<bool> mul_mat_q;
|
||||||
|
std::vector<bool> low_vram;
|
||||||
|
std::vector<std::array<float, LLAMA_MAX_DEVICES>> tensor_split;
|
||||||
|
int reps;
|
||||||
|
bool verbose;
|
||||||
|
output_formats output_format;
|
||||||
|
};
|
||||||
|
|
||||||
|
static const cmd_params cmd_params_defaults = {
|
||||||
|
/* model */ {"models/7B/ggml-model-q4_0.bin"},
|
||||||
|
/* n_prompt */ {512},
|
||||||
|
/* n_gen */ {128},
|
||||||
|
/* n_batch */ {512},
|
||||||
|
/* f32_kv */ {false},
|
||||||
|
/* n_threads */ {get_num_physical_cores()},
|
||||||
|
/* n_gpu_layers */ {99},
|
||||||
|
/* main_gpu */ {0},
|
||||||
|
/* mul_mat_q */ {true},
|
||||||
|
/* low_vram */ {false},
|
||||||
|
/* tensor_split */ {{}},
|
||||||
|
/* reps */ 5,
|
||||||
|
/* verbose */ false,
|
||||||
|
/* output_format */ MARKDOWN
|
||||||
|
};
|
||||||
|
|
||||||
|
static void print_usage(int /* argc */, char ** argv) {
|
||||||
|
fprintf(stdout, "usage: %s [options]\n", argv[0]);
|
||||||
|
fprintf(stdout, "\n");
|
||||||
|
fprintf(stdout, "options:\n");
|
||||||
|
fprintf(stdout, " -h, --help\n");
|
||||||
|
fprintf(stdout, " -m, --model <filename> (default: %s)\n", join(cmd_params_defaults.model, ",").c_str());
|
||||||
|
fprintf(stdout, " -p, --n-prompt <n> (default: %s)\n", join(cmd_params_defaults.n_prompt, ",").c_str());
|
||||||
|
fprintf(stdout, " -n, --n-gen <n> (default: %s)\n", join(cmd_params_defaults.n_gen, ",").c_str());
|
||||||
|
fprintf(stdout, " -b, --batch-size <n> (default: %s)\n", join(cmd_params_defaults.n_batch, ",").c_str());
|
||||||
|
fprintf(stdout, " --memory-f32 <0|1> (default: %s)\n", join(cmd_params_defaults.f32_kv, ",").c_str());
|
||||||
|
fprintf(stdout, " -t, --threads <n> (default: %s)\n", join(cmd_params_defaults.n_threads, ",").c_str());
|
||||||
|
fprintf(stdout, " -ngl N, --n-gpu-layers <n> (default: %s)\n", join(cmd_params_defaults.n_gpu_layers, ",").c_str());
|
||||||
|
fprintf(stdout, " -mg i, --main-gpu <n> (default: %s)\n", join(cmd_params_defaults.main_gpu, ",").c_str());
|
||||||
|
fprintf(stdout, " -lv, --low-vram <0|1> (default: %s)\n", join(cmd_params_defaults.low_vram, ",").c_str());
|
||||||
|
fprintf(stdout, " -mmq, --mul-mat-q <0|1> (default: %s)\n", join(cmd_params_defaults.mul_mat_q, ",").c_str());
|
||||||
|
fprintf(stdout, " -ts, --tensor_split <ts> \n");
|
||||||
|
fprintf(stdout, " -r, --repetitions <n> (default: %d)\n", cmd_params_defaults.reps);
|
||||||
|
fprintf(stdout, " -o, --output <csv|json|md|sql> (default: %s)\n", cmd_params_defaults.output_format == CSV ? "csv" : cmd_params_defaults.output_format == JSON ? "json" : "md");
|
||||||
|
fprintf(stdout, " -v, --verbose (default: %s)\n", cmd_params_defaults.verbose ? "1" : "0");
|
||||||
|
fprintf(stdout, "\n");
|
||||||
|
fprintf(stdout, "Multiple values can be given for each parameter by separating them with ',' or by repeating the parameter.\n");
|
||||||
|
|
||||||
|
}
|
||||||
|
|
||||||
|
static cmd_params parse_cmd_params(int argc, char ** argv) {
|
||||||
|
cmd_params params;
|
||||||
|
std::string arg;
|
||||||
|
bool invalid_param = false;
|
||||||
|
const std::string arg_prefix = "--";
|
||||||
|
const char split_delim = ',';
|
||||||
|
|
||||||
|
params.verbose = cmd_params_defaults.verbose;
|
||||||
|
params.output_format = cmd_params_defaults.output_format;
|
||||||
|
params.reps = cmd_params_defaults.reps;
|
||||||
|
|
||||||
|
for (int i = 1; i < argc; i++) {
|
||||||
|
arg = argv[i];
|
||||||
|
if (arg.compare(0, arg_prefix.size(), arg_prefix) == 0) {
|
||||||
|
std::replace(arg.begin(), arg.end(), '_', '-');
|
||||||
|
}
|
||||||
|
|
||||||
|
if (arg == "-h" || arg == "--help") {
|
||||||
|
print_usage(argc, argv);
|
||||||
|
exit(0);
|
||||||
|
} else if (arg == "-m" || arg == "--model") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<std::string>(argv[i], split_delim);
|
||||||
|
params.model.insert(params.model.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-p" || arg == "--n-prompt") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.n_prompt.insert(params.n_prompt.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-n" || arg == "--n-gen") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.n_gen.insert(params.n_gen.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-b" || arg == "--batch-size") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.n_batch.insert(params.n_batch.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "--memory-f32") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.f32_kv.insert(params.f32_kv.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-t" || arg == "--threads") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.n_threads.insert(params.n_threads.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-ngl" || arg == "--n-gpu-layers") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<int>(argv[i], split_delim);
|
||||||
|
params.n_gpu_layers.insert(params.n_gpu_layers.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-mg" || arg == "--main-gpu") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
params.main_gpu = split<int>(argv[i], split_delim);
|
||||||
|
} else if (arg == "-lv" || arg == "--low-vram") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<bool>(argv[i], split_delim);
|
||||||
|
params.low_vram.insert(params.low_vram.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-mmq" || arg == "--mul-mat-q") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
auto p = split<bool>(argv[i], split_delim);
|
||||||
|
params.mul_mat_q.insert(params.mul_mat_q.end(), p.begin(), p.end());
|
||||||
|
} else if (arg == "-ts" || arg == "--tensor-split") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
for (auto ts : split<std::string>(argv[i], split_delim)) {
|
||||||
|
// split string by ; and /
|
||||||
|
const std::regex regex{R"([;/]+)"};
|
||||||
|
std::sregex_token_iterator it{ts.begin(), ts.end(), regex, -1};
|
||||||
|
std::vector<std::string> split_arg{it, {}};
|
||||||
|
GGML_ASSERT(split_arg.size() <= LLAMA_MAX_DEVICES);
|
||||||
|
|
||||||
|
std::array<float, LLAMA_MAX_DEVICES> tensor_split;
|
||||||
|
for (size_t i = 0; i < LLAMA_MAX_DEVICES; ++i) {
|
||||||
|
if (i < split_arg.size()) {
|
||||||
|
tensor_split[i] = std::stof(split_arg[i]);
|
||||||
|
} else {
|
||||||
|
tensor_split[i] = 0.0f;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
params.tensor_split.push_back(tensor_split);
|
||||||
|
}
|
||||||
|
} else if (arg == "-r" || arg == "--repetitions") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
params.reps = std::stoi(argv[i]);
|
||||||
|
} else if (arg == "-o" || arg == "--output") {
|
||||||
|
if (++i >= argc) {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
if (argv[i] == std::string("csv")) {
|
||||||
|
params.output_format = CSV;
|
||||||
|
} else if (argv[i] == std::string("json")) {
|
||||||
|
params.output_format = JSON;
|
||||||
|
} else if (argv[i] == std::string("md")) {
|
||||||
|
params.output_format = MARKDOWN;
|
||||||
|
} else if (argv[i] == std::string("sql")) {
|
||||||
|
params.output_format = SQL;
|
||||||
|
} else {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
} else if (arg == "-v" || arg == "--verbose") {
|
||||||
|
params.verbose = true;
|
||||||
|
} else {
|
||||||
|
invalid_param = true;
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
if (invalid_param) {
|
||||||
|
fprintf(stderr, "error: invalid parameter for argument: %s\n", arg.c_str());
|
||||||
|
print_usage(argc, argv);
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
|
||||||
|
// set defaults
|
||||||
|
if (params.model.empty()) { params.model = cmd_params_defaults.model; }
|
||||||
|
if (params.n_prompt.empty()) { params.n_prompt = cmd_params_defaults.n_prompt; }
|
||||||
|
if (params.n_gen.empty()) { params.n_gen = cmd_params_defaults.n_gen; }
|
||||||
|
if (params.n_batch.empty()) { params.n_batch = cmd_params_defaults.n_batch; }
|
||||||
|
if (params.f32_kv.empty()) { params.f32_kv = cmd_params_defaults.f32_kv; }
|
||||||
|
if (params.n_gpu_layers.empty()) { params.n_gpu_layers = cmd_params_defaults.n_gpu_layers; }
|
||||||
|
if (params.main_gpu.empty()) { params.main_gpu = cmd_params_defaults.main_gpu; }
|
||||||
|
if (params.mul_mat_q.empty()) { params.mul_mat_q = cmd_params_defaults.mul_mat_q; }
|
||||||
|
if (params.low_vram.empty()) { params.low_vram = cmd_params_defaults.low_vram; }
|
||||||
|
if (params.tensor_split.empty()) { params.tensor_split = cmd_params_defaults.tensor_split; }
|
||||||
|
if (params.n_threads.empty()) { params.n_threads = cmd_params_defaults.n_threads; }
|
||||||
|
|
||||||
|
return params;
|
||||||
|
}
|
||||||
|
|
||||||
|
struct cmd_params_instance {
|
||||||
|
std::string model;
|
||||||
|
int n_prompt;
|
||||||
|
int n_gen;
|
||||||
|
int n_batch;
|
||||||
|
bool f32_kv;
|
||||||
|
int n_threads;
|
||||||
|
int n_gpu_layers;
|
||||||
|
int main_gpu;
|
||||||
|
bool mul_mat_q;
|
||||||
|
bool low_vram;
|
||||||
|
std::array<float, LLAMA_MAX_DEVICES> tensor_split;
|
||||||
|
|
||||||
|
llama_context_params to_llama_params() const {
|
||||||
|
llama_context_params lparams = llama_context_default_params();
|
||||||
|
lparams.n_ctx = n_prompt + n_gen;
|
||||||
|
lparams.n_batch = n_batch;
|
||||||
|
lparams.f16_kv = !f32_kv;
|
||||||
|
lparams.n_gpu_layers = n_gpu_layers;
|
||||||
|
lparams.main_gpu = main_gpu;
|
||||||
|
lparams.mul_mat_q = mul_mat_q;
|
||||||
|
lparams.low_vram = low_vram;
|
||||||
|
lparams.tensor_split = tensor_split.data();
|
||||||
|
|
||||||
|
return lparams;
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
static std::vector<cmd_params_instance> get_cmd_params_instances_int(const cmd_params & params, int n_gen, int n_prompt) {
|
||||||
|
std::vector<cmd_params_instance> instances;
|
||||||
|
|
||||||
|
for (const auto & m : params.model)
|
||||||
|
for (const auto & nb : params.n_batch)
|
||||||
|
for (const auto & fk : params.f32_kv)
|
||||||
|
for (const auto & nl : params.n_gpu_layers)
|
||||||
|
for (const auto & mg : params.main_gpu)
|
||||||
|
for (const auto & mmq : params.mul_mat_q)
|
||||||
|
for (const auto & lv : params.low_vram)
|
||||||
|
for (const auto & ts : params.tensor_split)
|
||||||
|
for (const auto & nt : params.n_threads) {
|
||||||
|
cmd_params_instance instance = {
|
||||||
|
/* .model = */ m,
|
||||||
|
/* .n_prompt = */ n_prompt,
|
||||||
|
/* .n_gen = */ n_gen,
|
||||||
|
/* .n_batch = */ nb,
|
||||||
|
/* .f32_kv = */ fk,
|
||||||
|
/* .n_threads = */ nt,
|
||||||
|
/* .n_gpu_layers = */ nl,
|
||||||
|
/* .main_gpu = */ mg,
|
||||||
|
/* .mul_mat_q = */ mmq,
|
||||||
|
/* .low_vram = */ lv,
|
||||||
|
/* .tensor_split = */ ts,
|
||||||
|
};
|
||||||
|
instances.push_back(instance);
|
||||||
|
}
|
||||||
|
return instances;
|
||||||
|
}
|
||||||
|
|
||||||
|
static std::vector<cmd_params_instance> get_cmd_params_instances(const cmd_params & params) {
|
||||||
|
std::vector<cmd_params_instance> instances;
|
||||||
|
|
||||||
|
for (const auto & n_prompt : params.n_prompt) {
|
||||||
|
if (n_prompt == 0) {
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
auto instances_prompt = get_cmd_params_instances_int(params, 0, n_prompt);
|
||||||
|
instances.insert(instances.end(), instances_prompt.begin(), instances_prompt.end());
|
||||||
|
}
|
||||||
|
|
||||||
|
for (const auto & n_gen : params.n_gen) {
|
||||||
|
if (n_gen == 0) {
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
auto instances_gen = get_cmd_params_instances_int(params, n_gen, 0);
|
||||||
|
instances.insert(instances.end(), instances_gen.begin(), instances_gen.end());
|
||||||
|
}
|
||||||
|
|
||||||
|
return instances;
|
||||||
|
}
|
||||||
|
|
||||||
|
struct test {
|
||||||
|
static const std::string build_commit;
|
||||||
|
static const int build_number;
|
||||||
|
static const bool cuda;
|
||||||
|
static const bool opencl;
|
||||||
|
static const bool metal;
|
||||||
|
static const bool gpu_blas;
|
||||||
|
static const bool blas;
|
||||||
|
static const std::string cpu_info;
|
||||||
|
static const std::string gpu_info;
|
||||||
|
std::string model_filename;
|
||||||
|
std::string model_type;
|
||||||
|
int n_batch;
|
||||||
|
int n_threads;
|
||||||
|
bool f32_kv;
|
||||||
|
int n_gpu_layers;
|
||||||
|
int main_gpu;
|
||||||
|
bool mul_mat_q;
|
||||||
|
bool low_vram;
|
||||||
|
std::array<float, LLAMA_MAX_DEVICES> tensor_split;
|
||||||
|
int n_prompt;
|
||||||
|
int n_gen;
|
||||||
|
std::string test_time;
|
||||||
|
std::vector<uint64_t> samples_ns;
|
||||||
|
|
||||||
|
test(const cmd_params_instance & inst, const llama_model * lmodel, const llama_context * ctx) {
|
||||||
|
model_filename = inst.model;
|
||||||
|
char buf[128];
|
||||||
|
llama_model_type(lmodel, buf, sizeof(buf));
|
||||||
|
model_type = buf;
|
||||||
|
n_batch = inst.n_batch;
|
||||||
|
n_threads = inst.n_threads;
|
||||||
|
f32_kv = inst.f32_kv;
|
||||||
|
n_gpu_layers = inst.n_gpu_layers;
|
||||||
|
main_gpu = inst.main_gpu;
|
||||||
|
mul_mat_q = inst.mul_mat_q;
|
||||||
|
low_vram = inst.low_vram;
|
||||||
|
tensor_split = inst.tensor_split;
|
||||||
|
n_prompt = inst.n_prompt;
|
||||||
|
n_gen = inst.n_gen;
|
||||||
|
// RFC 3339 date-time format
|
||||||
|
time_t t = time(NULL);
|
||||||
|
std::strftime(buf, sizeof(buf), "%FT%TZ", gmtime(&t));
|
||||||
|
test_time = buf;
|
||||||
|
|
||||||
|
(void) ctx;
|
||||||
|
}
|
||||||
|
|
||||||
|
uint64_t avg_ns() const {
|
||||||
|
return ::avg(samples_ns);
|
||||||
|
}
|
||||||
|
|
||||||
|
uint64_t stdev_ns() const {
|
||||||
|
return ::stdev(samples_ns);
|
||||||
|
}
|
||||||
|
|
||||||
|
std::vector<double> get_ts() const {
|
||||||
|
int n_tokens = n_prompt + n_gen;
|
||||||
|
std::vector<double> ts;
|
||||||
|
std::transform(samples_ns.begin(), samples_ns.end(), std::back_inserter(ts), [n_tokens](uint64_t t) { return 1e9 * n_tokens / t; });
|
||||||
|
return ts;
|
||||||
|
}
|
||||||
|
|
||||||
|
double avg_ts() const {
|
||||||
|
return ::avg(get_ts());
|
||||||
|
}
|
||||||
|
|
||||||
|
double stdev_ts() const {
|
||||||
|
return ::stdev(get_ts());
|
||||||
|
}
|
||||||
|
|
||||||
|
static std::string get_backend() {
|
||||||
|
if (cuda) {
|
||||||
|
return "CUDA";
|
||||||
|
}
|
||||||
|
if (opencl) {
|
||||||
|
return "OpenCL";
|
||||||
|
}
|
||||||
|
if (metal) {
|
||||||
|
return "Metal";
|
||||||
|
}
|
||||||
|
if (gpu_blas) {
|
||||||
|
return "GPU BLAS";
|
||||||
|
}
|
||||||
|
if (blas) {
|
||||||
|
return "BLAS";
|
||||||
|
}
|
||||||
|
return "CPU";
|
||||||
|
}
|
||||||
|
|
||||||
|
static const std::vector<std::string> & get_fields() {
|
||||||
|
static const std::vector<std::string> fields = {
|
||||||
|
"build_commit", "build_number",
|
||||||
|
"cuda", "opencl", "metal", "gpu_blas", "blas",
|
||||||
|
"cpu_info", "gpu_info",
|
||||||
|
"model_filename", "model_type",
|
||||||
|
"n_batch", "n_threads", "f16_kv",
|
||||||
|
"n_gpu_layers", "main_gpu", "mul_mat_q", "low_vram", "tensor_split",
|
||||||
|
"n_prompt", "n_gen", "test_time",
|
||||||
|
"avg_ns", "stddev_ns",
|
||||||
|
"avg_ts", "stddev_ts"
|
||||||
|
};
|
||||||
|
return fields;
|
||||||
|
}
|
||||||
|
|
||||||
|
enum field_type {STRING, BOOL, INT, FLOAT};
|
||||||
|
|
||||||
|
static field_type get_field_type(const std::string & field) {
|
||||||
|
if (field == "build_number" || field == "n_batch" || field == "n_threads" ||
|
||||||
|
field == "n_gpu_layers" || field == "main_gpu" ||
|
||||||
|
field == "n_prompt" || field == "n_gen" ||
|
||||||
|
field == "avg_ns" || field == "stddev_ns") {
|
||||||
|
return INT;
|
||||||
|
}
|
||||||
|
if (field == "cuda" || field == "opencl" || field == "metal" || field == "gpu_blas" || field == "blas" ||
|
||||||
|
field == "f16_kv" || field == "mul_mat_q" || field == "low_vram") {
|
||||||
|
return BOOL;
|
||||||
|
}
|
||||||
|
if (field == "avg_ts" || field == "stddev_ts") {
|
||||||
|
return FLOAT;
|
||||||
|
}
|
||||||
|
return STRING;
|
||||||
|
}
|
||||||
|
|
||||||
|
std::vector<std::string> get_values() const {
|
||||||
|
std::string tensor_split_str;
|
||||||
|
int max_nonzero = 0;
|
||||||
|
for (int i = 0; i < LLAMA_MAX_DEVICES; i++) {
|
||||||
|
if (tensor_split[i] > 0) {
|
||||||
|
max_nonzero = i;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
for (int i = 0; i <= max_nonzero; i++) {
|
||||||
|
char buf[32];
|
||||||
|
snprintf(buf, sizeof(buf), "%.2f", tensor_split[i]);
|
||||||
|
tensor_split_str += buf;
|
||||||
|
if (i < max_nonzero) {
|
||||||
|
tensor_split_str += "/";
|
||||||
|
}
|
||||||
|
}
|
||||||
|
std::vector<std::string> values = {
|
||||||
|
build_commit, std::to_string(build_number),
|
||||||
|
std::to_string(cuda), std::to_string(opencl), std::to_string(metal), std::to_string(gpu_blas), std::to_string(blas),
|
||||||
|
cpu_info, gpu_info,
|
||||||
|
model_filename, model_type,
|
||||||
|
std::to_string(n_batch), std::to_string(n_threads), std::to_string(!f32_kv),
|
||||||
|
std::to_string(n_gpu_layers), std::to_string(main_gpu), std::to_string(mul_mat_q), std::to_string(low_vram), tensor_split_str,
|
||||||
|
std::to_string(n_prompt), std::to_string(n_gen), test_time,
|
||||||
|
std::to_string(avg_ns()), std::to_string(stdev_ns()),
|
||||||
|
std::to_string(avg_ts()), std::to_string(stdev_ts())
|
||||||
|
};
|
||||||
|
return values;
|
||||||
|
}
|
||||||
|
|
||||||
|
std::map<std::string, std::string> get_map() const {
|
||||||
|
std::map<std::string, std::string> map;
|
||||||
|
auto fields = get_fields();
|
||||||
|
auto values = get_values();
|
||||||
|
std::transform(fields.begin(), fields.end(), values.begin(),
|
||||||
|
std::inserter(map, map.end()), std::make_pair<const std::string &, const std::string &>);
|
||||||
|
return map;
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
const std::string test::build_commit = BUILD_COMMIT;
|
||||||
|
const int test::build_number = BUILD_NUMBER;
|
||||||
|
const bool test::cuda = !!ggml_cpu_has_cublas();
|
||||||
|
const bool test::opencl = !!ggml_cpu_has_clblast();
|
||||||
|
const bool test::metal = !!ggml_cpu_has_metal();
|
||||||
|
const bool test::gpu_blas = !!ggml_cpu_has_gpublas();
|
||||||
|
const bool test::blas = !!ggml_cpu_has_blas();
|
||||||
|
const std::string test::cpu_info = get_cpu_info();
|
||||||
|
const std::string test::gpu_info = get_gpu_info();
|
||||||
|
|
||||||
|
struct printer {
|
||||||
|
virtual ~printer() {}
|
||||||
|
|
||||||
|
FILE * fout;
|
||||||
|
virtual void print_header(const cmd_params & params) { (void) params; };
|
||||||
|
virtual void print_test(const test & t) = 0;
|
||||||
|
virtual void print_footer() { };
|
||||||
|
};
|
||||||
|
|
||||||
|
struct csv_printer : public printer {
|
||||||
|
static std::string escape_csv(const std::string & field) {
|
||||||
|
std::string escaped = "\"";
|
||||||
|
for (auto c : field) {
|
||||||
|
if (c == '"') {
|
||||||
|
escaped += "\"";
|
||||||
|
}
|
||||||
|
escaped += c;
|
||||||
|
}
|
||||||
|
escaped += "\"";
|
||||||
|
return escaped;
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_header(const cmd_params & params) override {
|
||||||
|
std::vector<std::string> fields = test::get_fields();
|
||||||
|
fprintf(fout, "%s\n", join(fields, ",").c_str());
|
||||||
|
(void) params;
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_test(const test & t) override {
|
||||||
|
std::vector<std::string> values = t.get_values();
|
||||||
|
std::transform(values.begin(), values.end(), values.begin(), escape_csv);
|
||||||
|
fprintf(fout, "%s\n", join(values, ",").c_str());
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
struct json_printer : public printer {
|
||||||
|
bool first = true;
|
||||||
|
|
||||||
|
static std::string escape_json(const std::string & value) {
|
||||||
|
std::string escaped;
|
||||||
|
for (auto c : value) {
|
||||||
|
if (c == '"') {
|
||||||
|
escaped += "\\\"";
|
||||||
|
} else if (c == '\\') {
|
||||||
|
escaped += "\\\\";
|
||||||
|
} else if (c <= 0x1f) {
|
||||||
|
char buf[8];
|
||||||
|
snprintf(buf, sizeof(buf), "\\u%04x", c);
|
||||||
|
escaped += buf;
|
||||||
|
} else {
|
||||||
|
escaped += c;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
return escaped;
|
||||||
|
}
|
||||||
|
|
||||||
|
static std::string format_value(const std::string & field, const std::string & value) {
|
||||||
|
switch (test::get_field_type(field)) {
|
||||||
|
case test::STRING:
|
||||||
|
return "\"" + escape_json(value) + "\"";
|
||||||
|
case test::BOOL:
|
||||||
|
return value == "0" ? "false" : "true";
|
||||||
|
default:
|
||||||
|
return value;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_header(const cmd_params & params) override {
|
||||||
|
fprintf(fout, "[\n");
|
||||||
|
(void) params;
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_fields(const std::vector<std::string> & fields, const std::vector<std::string> & values) {
|
||||||
|
assert(fields.size() == values.size());
|
||||||
|
for (size_t i = 0; i < fields.size(); i++) {
|
||||||
|
fprintf(fout, " \"%s\": %s,\n", fields.at(i).c_str(), format_value(fields.at(i), values.at(i)).c_str());
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_test(const test & t) override {
|
||||||
|
if (first) {
|
||||||
|
first = false;
|
||||||
|
} else {
|
||||||
|
fprintf(fout, ",\n");
|
||||||
|
}
|
||||||
|
fprintf(fout, " {\n");
|
||||||
|
print_fields(test::get_fields(), t.get_values());
|
||||||
|
fprintf(fout, " \"samples_ns\": [ %s ],\n", join(t.samples_ns, ", ").c_str());
|
||||||
|
fprintf(fout, " \"samples_ts\": [ %s ]\n", join(t.get_ts(), ", ").c_str());
|
||||||
|
fprintf(fout, " }");
|
||||||
|
fflush(fout);
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_footer() override {
|
||||||
|
fprintf(fout, "\n]\n");
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
struct markdown_printer : public printer {
|
||||||
|
std::vector<std::string> fields;
|
||||||
|
|
||||||
|
static int get_field_width(const std::string & field) {
|
||||||
|
if (field == "model") {
|
||||||
|
return -30;
|
||||||
|
}
|
||||||
|
if (field == "t/s") {
|
||||||
|
return 15;
|
||||||
|
}
|
||||||
|
int width = std::max((int)field.length(), 10);
|
||||||
|
|
||||||
|
if (test::get_field_type(field) == test::STRING) {
|
||||||
|
return -width;
|
||||||
|
}
|
||||||
|
return width;
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_header(const cmd_params & params) override {
|
||||||
|
// select fields to print
|
||||||
|
fields = { "model", "backend" };
|
||||||
|
bool is_cpu_backend = test::get_backend() == "CPU" || test::get_backend() == "BLAS";
|
||||||
|
if (!is_cpu_backend) {
|
||||||
|
fields.push_back("n_gpu_layers");
|
||||||
|
}
|
||||||
|
if (params.n_batch.size() > 1 || params.n_threads != cmd_params_defaults.n_threads || is_cpu_backend) {
|
||||||
|
fields.push_back("n_threads");
|
||||||
|
}
|
||||||
|
if (params.n_batch.size() > 1 || params.n_batch != cmd_params_defaults.n_batch) {
|
||||||
|
fields.push_back("n_batch");
|
||||||
|
}
|
||||||
|
if (params.f32_kv.size() > 1 || params.f32_kv != cmd_params_defaults.f32_kv) {
|
||||||
|
fields.push_back("f16_kv");
|
||||||
|
}
|
||||||
|
if (params.main_gpu.size() > 1 || params.main_gpu != cmd_params_defaults.main_gpu) {
|
||||||
|
fields.push_back("main_gpu");
|
||||||
|
}
|
||||||
|
if (params.mul_mat_q.size() > 1 || params.mul_mat_q != cmd_params_defaults.mul_mat_q) {
|
||||||
|
fields.push_back("mul_mat_q");
|
||||||
|
}
|
||||||
|
if (params.low_vram.size() > 1 || params.low_vram != cmd_params_defaults.low_vram) {
|
||||||
|
fields.push_back("low_vram");
|
||||||
|
}
|
||||||
|
if (params.tensor_split.size() > 1 || params.tensor_split != cmd_params_defaults.tensor_split) {
|
||||||
|
fields.push_back("tensor_split");
|
||||||
|
}
|
||||||
|
fields.push_back("test");
|
||||||
|
fields.push_back("t/s");
|
||||||
|
|
||||||
|
fprintf(fout, "|");
|
||||||
|
for (const auto & field : fields) {
|
||||||
|
fprintf(fout, " %*s |", get_field_width(field), field.c_str());
|
||||||
|
}
|
||||||
|
fprintf(fout, "\n");
|
||||||
|
fprintf(fout, "|");
|
||||||
|
for (const auto & field : fields) {
|
||||||
|
int width = get_field_width(field);
|
||||||
|
fprintf(fout, " %s%s |", std::string(std::abs(width) - 1, '-').c_str(), width > 0 ? ":" : "-");
|
||||||
|
}
|
||||||
|
fprintf(fout, "\n");
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_test(const test & t) override {
|
||||||
|
std::map<std::string, std::string> vmap = t.get_map();
|
||||||
|
|
||||||
|
fprintf(fout, "|");
|
||||||
|
for (const auto & field : fields) {
|
||||||
|
std::string value;
|
||||||
|
if (field == "model") {
|
||||||
|
value = t.model_type;
|
||||||
|
} else if (field == "backend") {
|
||||||
|
value = test::get_backend();
|
||||||
|
} else if (field == "test") {
|
||||||
|
char buf[128];
|
||||||
|
if (t.n_prompt > 0 && t.n_gen == 0) {
|
||||||
|
snprintf(buf, sizeof(buf), "pp %d", t.n_prompt);
|
||||||
|
} else if (t.n_gen > 0 && t.n_prompt == 0) {
|
||||||
|
snprintf(buf, sizeof(buf), "tg %d", t.n_gen);
|
||||||
|
} else {
|
||||||
|
assert(false);
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
value = buf;
|
||||||
|
} else if (field == "t/s") {
|
||||||
|
char buf[128];
|
||||||
|
snprintf(buf, sizeof(buf), "%.2f ± %.2f", t.avg_ts(), t.stdev_ts());
|
||||||
|
value = buf;
|
||||||
|
} else if (vmap.find(field) != vmap.end()) {
|
||||||
|
value = vmap.at(field);
|
||||||
|
} else {
|
||||||
|
assert(false);
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
|
||||||
|
int width = get_field_width(field);
|
||||||
|
if (field == "t/s") {
|
||||||
|
// HACK: the utf-8 character is 2 bytes
|
||||||
|
width += 1;
|
||||||
|
}
|
||||||
|
fprintf(fout, " %*s |", width, value.c_str());
|
||||||
|
}
|
||||||
|
fprintf(fout, "\n");
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_footer() override {
|
||||||
|
fprintf(fout, "\nbuild: %s (%d)\n", test::build_commit.c_str(), test::build_number);
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
struct sql_printer : public printer {
|
||||||
|
static std::string get_sql_field_type(const std::string & field) {
|
||||||
|
switch (test::get_field_type(field)) {
|
||||||
|
case test::STRING:
|
||||||
|
return "TEXT";
|
||||||
|
case test::BOOL:
|
||||||
|
case test::INT:
|
||||||
|
return "INTEGER";
|
||||||
|
case test::FLOAT:
|
||||||
|
return "REAL";
|
||||||
|
default:
|
||||||
|
assert(false);
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_header(const cmd_params & params) override {
|
||||||
|
std::vector<std::string> fields = test::get_fields();
|
||||||
|
fprintf(fout, "CREATE TABLE IF NOT EXISTS test (\n");
|
||||||
|
for (size_t i = 0; i < fields.size(); i++) {
|
||||||
|
fprintf(fout, " %s %s%s\n", fields.at(i).c_str(), get_sql_field_type(fields.at(i)).c_str(), i < fields.size() - 1 ? "," : "");
|
||||||
|
}
|
||||||
|
fprintf(fout, ");\n");
|
||||||
|
fprintf(fout, "\n");
|
||||||
|
(void) params;
|
||||||
|
}
|
||||||
|
|
||||||
|
void print_test(const test & t) override {
|
||||||
|
fprintf(fout, "INSERT INTO test (%s) ", join(test::get_fields(), ", ").c_str());
|
||||||
|
fprintf(fout, "VALUES (");
|
||||||
|
std::vector<std::string> values = t.get_values();
|
||||||
|
for (size_t i = 0; i < values.size(); i++) {
|
||||||
|
fprintf(fout, "'%s'%s", values.at(i).c_str(), i < values.size() - 1 ? ", " : "");
|
||||||
|
}
|
||||||
|
fprintf(fout, ");\n");
|
||||||
|
}
|
||||||
|
};
|
||||||
|
|
||||||
|
static void test_prompt(llama_context * ctx, int n_prompt, int n_past, int n_batch, int n_threads) {
|
||||||
|
std::vector<llama_token> tokens(n_batch, llama_token_bos());
|
||||||
|
int n_processed = 0;
|
||||||
|
while (n_processed < n_prompt) {
|
||||||
|
int n_tokens = std::min(n_prompt - n_processed, n_batch);
|
||||||
|
llama_eval(ctx, tokens.data(), n_tokens, n_past + n_processed, n_threads);
|
||||||
|
n_processed += n_tokens;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
static void test_gen(llama_context * ctx, int n_gen, int n_past, int n_threads) {
|
||||||
|
llama_token token = llama_token_bos();
|
||||||
|
for (int i = 0; i < n_gen; i++) {
|
||||||
|
llama_eval(ctx, &token, 1, n_past + i, n_threads);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
static void llama_null_log_callback(enum llama_log_level level, const char * text, void * user_data) {
|
||||||
|
(void) level;
|
||||||
|
(void) text;
|
||||||
|
(void) user_data;
|
||||||
|
}
|
||||||
|
|
||||||
|
int main(int argc, char ** argv) {
|
||||||
|
#if !defined(NDEBUG)
|
||||||
|
fprintf(stderr, "warning: asserts enabled, performance may be affected\n");
|
||||||
|
#endif
|
||||||
|
|
||||||
|
#if (defined(_MSC_VER) && defined(_DEBUG)) || (!defined(_MSC_VER) && !defined(__OPTIMIZE__))
|
||||||
|
fprintf(stderr, "warning: debug build, performance may be affected\n");
|
||||||
|
#endif
|
||||||
|
|
||||||
|
#if defined(__SANITIZE_ADDRESS__) || defined(__SANITIZE_THREAD__)
|
||||||
|
fprintf(stderr, "warning: sanitizer enabled, performance may be affected\n");
|
||||||
|
#endif
|
||||||
|
|
||||||
|
cmd_params params = parse_cmd_params(argc, argv);
|
||||||
|
|
||||||
|
// initialize llama.cpp
|
||||||
|
if (!params.verbose) {
|
||||||
|
llama_log_set(llama_null_log_callback, NULL);
|
||||||
|
}
|
||||||
|
bool numa = false;
|
||||||
|
llama_backend_init(numa);
|
||||||
|
|
||||||
|
// initialize printer
|
||||||
|
std::unique_ptr<printer> p;
|
||||||
|
switch (params.output_format) {
|
||||||
|
case CSV:
|
||||||
|
p.reset(new csv_printer());
|
||||||
|
break;
|
||||||
|
case JSON:
|
||||||
|
p.reset(new json_printer());
|
||||||
|
break;
|
||||||
|
case MARKDOWN:
|
||||||
|
p.reset(new markdown_printer());
|
||||||
|
break;
|
||||||
|
case SQL:
|
||||||
|
p.reset(new sql_printer());
|
||||||
|
break;
|
||||||
|
default:
|
||||||
|
assert(false);
|
||||||
|
exit(1);
|
||||||
|
}
|
||||||
|
p->fout = stdout;
|
||||||
|
p->print_header(params);
|
||||||
|
|
||||||
|
std::vector<cmd_params_instance> params_instances = get_cmd_params_instances(params);
|
||||||
|
|
||||||
|
for (const auto & inst : params_instances) {
|
||||||
|
// TODO: keep the model between tests when possible
|
||||||
|
llama_context_params lparams = inst.to_llama_params();
|
||||||
|
|
||||||
|
llama_model * lmodel = llama_load_model_from_file(inst.model.c_str(), lparams);
|
||||||
|
if (lmodel == NULL) {
|
||||||
|
fprintf(stderr, "%s: error: failed to load model '%s'\n", __func__, inst.model.c_str());
|
||||||
|
return 1;
|
||||||
|
}
|
||||||
|
|
||||||
|
llama_context * ctx = llama_new_context_with_model(lmodel, lparams);
|
||||||
|
if (ctx == NULL) {
|
||||||
|
fprintf(stderr, "%s: error: failed to create context with model '%s'\n", __func__, inst.model.c_str());
|
||||||
|
llama_free_model(lmodel);
|
||||||
|
return 1;
|
||||||
|
}
|
||||||
|
|
||||||
|
test t(inst, lmodel, ctx);
|
||||||
|
|
||||||
|
// warmup run
|
||||||
|
test_gen(ctx, 1, 0, t.n_threads);
|
||||||
|
|
||||||
|
for (int i = 0; i < params.reps; i++) {
|
||||||
|
uint64_t t_start = get_time_ns();
|
||||||
|
if (t.n_prompt > 0) {
|
||||||
|
test_prompt(ctx, t.n_prompt, 0, t.n_batch, t.n_threads);
|
||||||
|
}
|
||||||
|
if (t.n_gen > 0) {
|
||||||
|
test_gen(ctx, t.n_gen, t.n_prompt, t.n_threads);
|
||||||
|
}
|
||||||
|
uint64_t t_ns = get_time_ns() - t_start;
|
||||||
|
t.samples_ns.push_back(t_ns);
|
||||||
|
}
|
||||||
|
|
||||||
|
p->print_test(t);
|
||||||
|
|
||||||
|
llama_print_timings(ctx);
|
||||||
|
|
||||||
|
llama_free(ctx);
|
||||||
|
llama_free_model(lmodel);
|
||||||
|
}
|
||||||
|
|
||||||
|
p->print_footer();
|
||||||
|
|
||||||
|
llama_backend_free();
|
||||||
|
|
||||||
|
return 0;
|
||||||
|
}
|
@ -88,7 +88,7 @@ void perplexity(llama_context * ctx, const gpt_params & params) {
|
|||||||
fprintf(stderr, "%d hours ", total_seconds / (60*60));
|
fprintf(stderr, "%d hours ", total_seconds / (60*60));
|
||||||
total_seconds = total_seconds % (60*60);
|
total_seconds = total_seconds % (60*60);
|
||||||
}
|
}
|
||||||
fprintf(stderr, "%d minutes\n", total_seconds / 60);
|
fprintf(stderr, "%.2f minutes\n", total_seconds / 60.0);
|
||||||
}
|
}
|
||||||
|
|
||||||
// We get the logits for all the tokens in the context window (params.n_ctx)
|
// We get the logits for all the tokens in the context window (params.n_ctx)
|
||||||
|
12
ggml-cuda.cu
12
ggml-cuda.cu
@ -6469,3 +6469,15 @@ bool ggml_cuda_compute_forward(struct ggml_compute_params * params, struct ggml_
|
|||||||
func(tensor->src[0], tensor->src[1], tensor);
|
func(tensor->src[0], tensor->src[1], tensor);
|
||||||
return true;
|
return true;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
int ggml_cuda_get_device_count() {
|
||||||
|
int device_count;
|
||||||
|
CUDA_CHECK(cudaGetDeviceCount(&device_count));
|
||||||
|
return device_count;
|
||||||
|
}
|
||||||
|
|
||||||
|
void ggml_cuda_get_device_description(int device, char * description, size_t description_size) {
|
||||||
|
cudaDeviceProp prop;
|
||||||
|
CUDA_CHECK(cudaGetDeviceProperties(&prop, device));
|
||||||
|
snprintf(description, description_size, "%s", prop.name);
|
||||||
|
}
|
||||||
|
38
ggml-cuda.h
38
ggml-cuda.h
@ -8,29 +8,25 @@ extern "C" {
|
|||||||
|
|
||||||
#define GGML_CUDA_MAX_DEVICES 16
|
#define GGML_CUDA_MAX_DEVICES 16
|
||||||
|
|
||||||
void ggml_init_cublas(void);
|
GGML_API void ggml_init_cublas(void);
|
||||||
void ggml_cuda_set_tensor_split(const float * tensor_split);
|
GGML_API void * ggml_cuda_host_malloc(size_t size);
|
||||||
|
GGML_API void ggml_cuda_host_free(void * ptr);
|
||||||
|
|
||||||
void ggml_cuda_mul(const struct ggml_tensor * src0, const struct ggml_tensor * src1, struct ggml_tensor * dst);
|
GGML_API bool ggml_cuda_can_mul_mat(const struct ggml_tensor * src0, const struct ggml_tensor * src1, struct ggml_tensor * dst);
|
||||||
bool ggml_cuda_can_mul_mat(const struct ggml_tensor * src0, const struct ggml_tensor * src1, struct ggml_tensor * dst);
|
GGML_API void ggml_cuda_set_tensor_split(const float * tensor_split);
|
||||||
size_t ggml_cuda_mul_mat_get_wsize(const struct ggml_tensor * src0, const struct ggml_tensor * src1, struct ggml_tensor * dst);
|
GGML_API void ggml_cuda_transform_tensor(void * data, struct ggml_tensor * tensor);
|
||||||
void ggml_cuda_mul_mat(const struct ggml_tensor * src0, const struct ggml_tensor * src1, struct ggml_tensor * dst, void * wdata, size_t wsize);
|
GGML_API void ggml_cuda_free_data(struct ggml_tensor * tensor);
|
||||||
|
GGML_API void ggml_cuda_assign_buffers(struct ggml_tensor * tensor);
|
||||||
|
GGML_API void ggml_cuda_assign_buffers_no_scratch(struct ggml_tensor * tensor);
|
||||||
|
GGML_API void ggml_cuda_assign_buffers_force_inplace(struct ggml_tensor * tensor);
|
||||||
|
GGML_API void ggml_cuda_set_main_device(int main_device);
|
||||||
|
GGML_API void ggml_cuda_set_mul_mat_q(bool mul_mat_q);
|
||||||
|
GGML_API void ggml_cuda_set_scratch_size(size_t scratch_size);
|
||||||
|
GGML_API void ggml_cuda_free_scratch(void);
|
||||||
|
GGML_API bool ggml_cuda_compute_forward(struct ggml_compute_params * params, struct ggml_tensor * tensor);
|
||||||
|
|
||||||
// TODO: export these with GGML_API
|
GGML_API int ggml_cuda_get_device_count(void);
|
||||||
void * ggml_cuda_host_malloc(size_t size);
|
GGML_API void ggml_cuda_get_device_description(int device, char * description, size_t description_size);
|
||||||
void ggml_cuda_host_free(void * ptr);
|
|
||||||
|
|
||||||
void ggml_cuda_transform_tensor(void * data, struct ggml_tensor * tensor);
|
|
||||||
|
|
||||||
void ggml_cuda_free_data(struct ggml_tensor * tensor);
|
|
||||||
void ggml_cuda_assign_buffers(struct ggml_tensor * tensor);
|
|
||||||
void ggml_cuda_assign_buffers_no_scratch(struct ggml_tensor * tensor);
|
|
||||||
void ggml_cuda_assign_buffers_force_inplace(struct ggml_tensor * tensor);
|
|
||||||
void ggml_cuda_set_main_device(int main_device);
|
|
||||||
void ggml_cuda_set_mul_mat_q(bool mul_mat_q);
|
|
||||||
void ggml_cuda_set_scratch_size(size_t scratch_size);
|
|
||||||
void ggml_cuda_free_scratch(void);
|
|
||||||
bool ggml_cuda_compute_forward(struct ggml_compute_params * params, struct ggml_tensor * tensor);
|
|
||||||
|
|
||||||
#ifdef __cplusplus
|
#ifdef __cplusplus
|
||||||
}
|
}
|
||||||
|
64
llama.cpp
64
llama.cpp
@ -597,9 +597,9 @@ enum e_model {
|
|||||||
static const size_t kB = 1024;
|
static const size_t kB = 1024;
|
||||||
static const size_t MB = 1024*1024;
|
static const size_t MB = 1024*1024;
|
||||||
|
|
||||||
static const std::map<e_model, size_t> & MEM_REQ_SCRATCH0(int n_ctx)
|
static std::map<e_model, size_t> MEM_REQ_SCRATCH0(int n_ctx)
|
||||||
{
|
{
|
||||||
static std::map<e_model, size_t> k_sizes = {
|
std::map<e_model, size_t> k_sizes = {
|
||||||
{ MODEL_3B, ((size_t) n_ctx / 16ull + 92ull) * MB },
|
{ MODEL_3B, ((size_t) n_ctx / 16ull + 92ull) * MB },
|
||||||
{ MODEL_7B, ((size_t) n_ctx / 16ull + 100ull) * MB },
|
{ MODEL_7B, ((size_t) n_ctx / 16ull + 100ull) * MB },
|
||||||
{ MODEL_13B, ((size_t) n_ctx / 12ull + 120ull) * MB },
|
{ MODEL_13B, ((size_t) n_ctx / 12ull + 120ull) * MB },
|
||||||
@ -778,6 +778,7 @@ struct llama_vocab {
|
|||||||
|
|
||||||
struct llama_model {
|
struct llama_model {
|
||||||
e_model type = MODEL_UNKNOWN;
|
e_model type = MODEL_UNKNOWN;
|
||||||
|
llama_ftype ftype = LLAMA_FTYPE_ALL_F32;
|
||||||
|
|
||||||
llama_hparams hparams;
|
llama_hparams hparams;
|
||||||
llama_vocab vocab;
|
llama_vocab vocab;
|
||||||
@ -1027,7 +1028,8 @@ struct llama_model_loader {
|
|||||||
bool use_mmap = false;
|
bool use_mmap = false;
|
||||||
|
|
||||||
llama_file file;
|
llama_file file;
|
||||||
llama_file_version file_version;
|
llama_ftype ftype;
|
||||||
|
llama_file_version fver;
|
||||||
|
|
||||||
std::unique_ptr<llama_mmap> mapping;
|
std::unique_ptr<llama_mmap> mapping;
|
||||||
|
|
||||||
@ -1048,7 +1050,7 @@ struct llama_model_loader {
|
|||||||
n_kv = gguf_get_n_kv(ctx_gguf);
|
n_kv = gguf_get_n_kv(ctx_gguf);
|
||||||
n_tensors = gguf_get_n_tensors(ctx_gguf);
|
n_tensors = gguf_get_n_tensors(ctx_gguf);
|
||||||
|
|
||||||
file_version = (enum llama_file_version) gguf_get_version(ctx_gguf);
|
fver = (enum llama_file_version) gguf_get_version(ctx_gguf);
|
||||||
|
|
||||||
for (int i = 0; i < n_tensors; i++) {
|
for (int i = 0; i < n_tensors; i++) {
|
||||||
const char * name = gguf_get_tensor_name(ctx_gguf, i);
|
const char * name = gguf_get_tensor_name(ctx_gguf, i);
|
||||||
@ -1056,23 +1058,51 @@ struct llama_model_loader {
|
|||||||
n_elements += ggml_nelements(t);
|
n_elements += ggml_nelements(t);
|
||||||
}
|
}
|
||||||
|
|
||||||
// print meta data
|
LLAMA_LOG_INFO("%s: loaded meta data with %d key-value pairs and %d tensors from %s (version %s)\n",
|
||||||
|
__func__, n_kv, n_tensors, fname.c_str(), llama_file_version_name(fver));
|
||||||
|
|
||||||
|
// determine file type based on the number of tensors for each quantization and print meta data
|
||||||
// TODO: make optional
|
// TODO: make optional
|
||||||
{
|
{
|
||||||
LLAMA_LOG_INFO("%s: loaded meta data with %d key-value pairs and %d tensors from %s (version %s)\n",
|
|
||||||
__func__, n_kv, n_tensors, fname.c_str(), llama_file_version_name(file_version));
|
|
||||||
|
|
||||||
std::map<enum ggml_type, uint32_t> n_type;
|
std::map<enum ggml_type, uint32_t> n_type;
|
||||||
|
|
||||||
|
uint32_t n_type_max = 0;
|
||||||
|
enum ggml_type type_max = GGML_TYPE_F32;
|
||||||
|
|
||||||
for (int i = 0; i < n_tensors; i++) {
|
for (int i = 0; i < n_tensors; i++) {
|
||||||
const char * name = gguf_get_tensor_name(ctx_gguf, i);
|
const char * name = gguf_get_tensor_name(ctx_gguf, i);
|
||||||
struct ggml_tensor * meta = ggml_get_tensor(ctx_meta, name);
|
struct ggml_tensor * meta = ggml_get_tensor(ctx_meta, name);
|
||||||
|
|
||||||
n_type[meta->type]++;
|
n_type[meta->type]++;
|
||||||
|
|
||||||
|
if (n_type_max < n_type[meta->type]) {
|
||||||
|
n_type_max = n_type[meta->type];
|
||||||
|
type_max = meta->type;
|
||||||
|
}
|
||||||
|
|
||||||
LLAMA_LOG_INFO("%s: - tensor %4d: %32s %-8s [ %s ]\n", __func__, i, name, ggml_type_name(meta->type), llama_format_tensor_shape(meta).c_str());
|
LLAMA_LOG_INFO("%s: - tensor %4d: %32s %-8s [ %s ]\n", __func__, i, name, ggml_type_name(meta->type), llama_format_tensor_shape(meta).c_str());
|
||||||
}
|
}
|
||||||
|
|
||||||
|
switch (type_max) {
|
||||||
|
case GGML_TYPE_F32: ftype = LLAMA_FTYPE_ALL_F32; break;
|
||||||
|
case GGML_TYPE_F16: ftype = LLAMA_FTYPE_MOSTLY_F16; break;
|
||||||
|
case GGML_TYPE_Q4_0: ftype = LLAMA_FTYPE_MOSTLY_Q4_0; break;
|
||||||
|
case GGML_TYPE_Q4_1: ftype = LLAMA_FTYPE_MOSTLY_Q4_1; break;
|
||||||
|
case GGML_TYPE_Q5_0: ftype = LLAMA_FTYPE_MOSTLY_Q5_0; break;
|
||||||
|
case GGML_TYPE_Q5_1: ftype = LLAMA_FTYPE_MOSTLY_Q5_1; break;
|
||||||
|
case GGML_TYPE_Q8_0: ftype = LLAMA_FTYPE_MOSTLY_Q8_0; break;
|
||||||
|
case GGML_TYPE_Q2_K: ftype = LLAMA_FTYPE_MOSTLY_Q2_K; break;
|
||||||
|
case GGML_TYPE_Q3_K: ftype = LLAMA_FTYPE_MOSTLY_Q3_K_M; break;
|
||||||
|
case GGML_TYPE_Q4_K: ftype = LLAMA_FTYPE_MOSTLY_Q4_K_M; break;
|
||||||
|
case GGML_TYPE_Q5_K: ftype = LLAMA_FTYPE_MOSTLY_Q5_K_M; break;
|
||||||
|
case GGML_TYPE_Q6_K: ftype = LLAMA_FTYPE_MOSTLY_Q6_K; break;
|
||||||
|
default:
|
||||||
|
{
|
||||||
|
LLAMA_LOG_WARN("%s: unknown type %s\n", __func__, ggml_type_name(type_max));
|
||||||
|
ftype = LLAMA_FTYPE_ALL_F32;
|
||||||
|
} break;
|
||||||
|
}
|
||||||
|
|
||||||
for (int i = 0; i < n_kv; i++) {
|
for (int i = 0; i < n_kv; i++) {
|
||||||
const char * name = gguf_get_key(ctx_gguf, i);
|
const char * name = gguf_get_key(ctx_gguf, i);
|
||||||
const enum gguf_type type = gguf_get_kv_type(ctx_gguf, i);
|
const enum gguf_type type = gguf_get_kv_type(ctx_gguf, i);
|
||||||
@ -1275,7 +1305,7 @@ struct llama_model_loader {
|
|||||||
// load LLaMA models
|
// load LLaMA models
|
||||||
//
|
//
|
||||||
|
|
||||||
static const char * llama_ftype_name(enum llama_ftype ftype) {
|
const char * llama_model_ftype_name(enum llama_ftype ftype) {
|
||||||
switch (ftype) {
|
switch (ftype) {
|
||||||
case LLAMA_FTYPE_ALL_F32: return "all F32";
|
case LLAMA_FTYPE_ALL_F32: return "all F32";
|
||||||
case LLAMA_FTYPE_MOSTLY_F16: return "mostly F16";
|
case LLAMA_FTYPE_MOSTLY_F16: return "mostly F16";
|
||||||
@ -1403,6 +1433,8 @@ static void llama_model_load_internal(
|
|||||||
} break;
|
} break;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
model.ftype = ml->ftype;
|
||||||
|
|
||||||
hparams.n_ctx = n_ctx;
|
hparams.n_ctx = n_ctx;
|
||||||
|
|
||||||
// LLaMAv2
|
// LLaMAv2
|
||||||
@ -1456,7 +1488,7 @@ static void llama_model_load_internal(
|
|||||||
|
|
||||||
{
|
{
|
||||||
// hparams
|
// hparams
|
||||||
LLAMA_LOG_INFO("%s: format = %s\n", __func__, llama_file_version_name(ml->file_version));
|
LLAMA_LOG_INFO("%s: format = %s\n", __func__, llama_file_version_name(ml->fver));
|
||||||
LLAMA_LOG_INFO("%s: arch = %s\n", __func__, general_arch.c_str());
|
LLAMA_LOG_INFO("%s: arch = %s\n", __func__, general_arch.c_str());
|
||||||
LLAMA_LOG_INFO("%s: n_vocab = %u\n", __func__, hparams.n_vocab);
|
LLAMA_LOG_INFO("%s: n_vocab = %u\n", __func__, hparams.n_vocab);
|
||||||
LLAMA_LOG_INFO("%s: n_ctx_train = %u\n", __func__, hparams.n_ctx_train);
|
LLAMA_LOG_INFO("%s: n_ctx_train = %u\n", __func__, hparams.n_ctx_train);
|
||||||
@ -1472,6 +1504,7 @@ static void llama_model_load_internal(
|
|||||||
LLAMA_LOG_INFO("%s: freq_base = %.1f\n", __func__, hparams.rope_freq_base);
|
LLAMA_LOG_INFO("%s: freq_base = %.1f\n", __func__, hparams.rope_freq_base);
|
||||||
LLAMA_LOG_INFO("%s: freq_scale = %g\n", __func__, hparams.rope_freq_scale);
|
LLAMA_LOG_INFO("%s: freq_scale = %g\n", __func__, hparams.rope_freq_scale);
|
||||||
LLAMA_LOG_INFO("%s: model type = %s\n", __func__, llama_model_type_name(model.type));
|
LLAMA_LOG_INFO("%s: model type = %s\n", __func__, llama_model_type_name(model.type));
|
||||||
|
LLAMA_LOG_INFO("%s: model ftype = %s\n", __func__, llama_model_ftype_name(model.ftype));
|
||||||
LLAMA_LOG_INFO("%s: model size = %.2f B\n", __func__, ml->n_elements*1e-9);
|
LLAMA_LOG_INFO("%s: model size = %.2f B\n", __func__, ml->n_elements*1e-9);
|
||||||
|
|
||||||
// general kv
|
// general kv
|
||||||
@ -2142,6 +2175,13 @@ static bool llama_eval_internal(
|
|||||||
|
|
||||||
GGML_ASSERT((!tokens && embd) || (tokens && !embd)); // NOLINT
|
GGML_ASSERT((!tokens && embd) || (tokens && !embd)); // NOLINT
|
||||||
|
|
||||||
|
GGML_ASSERT(n_tokens > 0);
|
||||||
|
GGML_ASSERT(n_past >= 0);
|
||||||
|
GGML_ASSERT(n_threads > 0);
|
||||||
|
// TODO: keep the values of n_batch and n_ctx
|
||||||
|
// GGML_ASSERT(n_tokens <= n_batch);
|
||||||
|
// GGML_ASSERT(n_past + n_tokens <= n_ctx);
|
||||||
|
|
||||||
const int64_t t_start_us = ggml_time_us();
|
const int64_t t_start_us = ggml_time_us();
|
||||||
|
|
||||||
#ifdef GGML_USE_MPI
|
#ifdef GGML_USE_MPI
|
||||||
@ -4915,6 +4955,10 @@ int llama_get_vocab(
|
|||||||
return llama_get_vocab_from_model(&ctx->model, strings, scores, capacity);
|
return llama_get_vocab_from_model(&ctx->model, strings, scores, capacity);
|
||||||
}
|
}
|
||||||
|
|
||||||
|
int llama_model_type(const struct llama_model * model, char * buf, size_t buf_size) {
|
||||||
|
return snprintf(buf, buf_size, "LLaMA %s %s", llama_model_type_name(model->type), llama_model_ftype_name(model->ftype));
|
||||||
|
}
|
||||||
|
|
||||||
int llama_get_vocab_from_model(
|
int llama_get_vocab_from_model(
|
||||||
const struct llama_model * model,
|
const struct llama_model * model,
|
||||||
const char * * strings,
|
const char * * strings,
|
||||||
|
3
llama.h
3
llama.h
@ -235,6 +235,9 @@ extern "C" {
|
|||||||
LLAMA_API int llama_n_ctx_from_model (const struct llama_model * model);
|
LLAMA_API int llama_n_ctx_from_model (const struct llama_model * model);
|
||||||
LLAMA_API int llama_n_embd_from_model (const struct llama_model * model);
|
LLAMA_API int llama_n_embd_from_model (const struct llama_model * model);
|
||||||
|
|
||||||
|
// Get a string describing the model type
|
||||||
|
LLAMA_API int llama_model_type(const struct llama_model * model, char * buf, size_t buf_size);
|
||||||
|
|
||||||
// Returns 0 on success
|
// Returns 0 on success
|
||||||
LLAMA_API int llama_model_quantize(
|
LLAMA_API int llama_model_quantize(
|
||||||
const char * fname_inp,
|
const char * fname_inp,
|
||||||
|
Loading…
Reference in New Issue
Block a user