mirror of
https://github.com/ggerganov/llama.cpp.git
synced 2024-12-26 11:24:35 +00:00
llama : fix res_norm offloading
This commit is contained in:
Georgi Gerganov
parent
e14aa46151
commit
79617902ea
201
llama.cpp
201
llama.cpp
@ -5456,14 +5456,16 @@ static struct ggml_cgraph * llama_build_graph(
|
||||
const int i_gpu_start = n_layer - n_gpu_layers;
|
||||
|
||||
// should we offload the final norm? yes if we are not computing embeddings
|
||||
const bool off_res_norm = !lctx.embedding.empty();
|
||||
const bool off_res_norm = lctx.embedding.empty();
|
||||
|
||||
// offload functions set the tensor output backend to GPU
|
||||
// tensors are GPU-accelerated if any input or the output has been offloaded
|
||||
offload_func_t offload_func_nr = ggml_offload_nop; // nr = non-repeating
|
||||
offload_func_t offload_func_kq = ggml_offload_nop;
|
||||
offload_func_t offload_func_v = ggml_offload_nop;
|
||||
offload_func_t offload_func = ggml_offload_nop;
|
||||
offload_func_t offload_func_nr = ggml_offload_nop; // nr = non-repeating
|
||||
offload_func_t offload_func_kq = ggml_offload_nop;
|
||||
offload_func_t offload_func_v = ggml_offload_nop;
|
||||
offload_func_t offload_func_emb = ggml_offload_nop;
|
||||
offload_func_t offload_func_out = ggml_offload_nop;
|
||||
offload_func_t offload_func = ggml_offload_nop;
|
||||
|
||||
#ifdef GGML_USE_CUBLAS
|
||||
if (n_gpu_layers > n_layer) {
|
||||
@ -5476,100 +5478,12 @@ static struct ggml_cgraph * llama_build_graph(
|
||||
offload_func_kq = ggml_cuda_assign_buffers_no_alloc;
|
||||
}
|
||||
|
||||
offload_func_emb = off_res_norm ? ggml_cuda_assign_buffers_no_alloc : ggml_offload_nop;
|
||||
offload_func_out = ggml_offload_nop;
|
||||
|
||||
offload_func = ggml_cuda_assign_buffers_no_alloc;
|
||||
#endif // GGML_USE_CUBLAS
|
||||
|
||||
static const std::unordered_map<std::string, offload_func_t> k_offload_func = {
|
||||
{ "KQ_mask", offload_func_kq },
|
||||
{ "KQ_pos", offload_func_kq },
|
||||
{ "K_shift", offload_func_kq },
|
||||
{ "K_shifted", offload_func_kq },
|
||||
|
||||
{ "inp_norm", offload_func_nr },
|
||||
{ "inp_norm_w", offload_func_nr },
|
||||
{ "inp_norm_wb", offload_func_nr },
|
||||
|
||||
{ "rms_norm_0", offload_func },
|
||||
|
||||
{ "attn_norm_0", offload_func },
|
||||
{ "attn_norm_0_w", offload_func },
|
||||
{ "attn_norm_0_wb", offload_func },
|
||||
|
||||
{ "attn_norm_2", offload_func },
|
||||
{ "attn_norm_2_w", offload_func },
|
||||
{ "attn_norm_2_wb", offload_func },
|
||||
|
||||
{ "wqkv", offload_func_kq },
|
||||
{ "bqkv", offload_func_kq },
|
||||
{ "wqkv_clamped", offload_func_kq },
|
||||
|
||||
{ "tmpk", offload_func_kq },
|
||||
{ "tmpq", offload_func_kq },
|
||||
{ "tmpv", offload_func_v },
|
||||
{ "tmpkqv", offload_func_kq }, // ??
|
||||
{ "Kcur", offload_func_kq },
|
||||
{ "Qcur", offload_func_kq },
|
||||
{ "Vcur", offload_func_v },
|
||||
{ "Vcur_0", offload_func_v },
|
||||
{ "Vcur_1", offload_func_v },
|
||||
|
||||
{ "krot", offload_func_kq },
|
||||
{ "qrot", offload_func_kq },
|
||||
{ "kpass", offload_func_kq },
|
||||
{ "qpass", offload_func_kq },
|
||||
{ "krotated", offload_func_kq },
|
||||
{ "qrotated", offload_func_kq },
|
||||
|
||||
{ "k", offload_func_kq },
|
||||
{ "v", offload_func_v },
|
||||
|
||||
{ "Q", offload_func_kq },
|
||||
{ "K", offload_func_kq },
|
||||
{ "KQ", offload_func_kq },
|
||||
{ "KQ_scaled", offload_func_kq },
|
||||
{ "KQ_scaled_alibi", offload_func_kq },
|
||||
{ "KQ_masked", offload_func_kq },
|
||||
{ "KQ_soft_max", offload_func_v },
|
||||
{ "V", offload_func_v },
|
||||
{ "KQV", offload_func_v },
|
||||
{ "KQV_merged", offload_func_v },
|
||||
{ "KQV_merged_contiguous", offload_func_v },
|
||||
|
||||
{ "result_wo", offload_func },
|
||||
{ "result_wo_b", offload_func },
|
||||
{ "inpL_+_result_wo", offload_func },
|
||||
|
||||
{ "inpFF", offload_func },
|
||||
|
||||
{ "rms_norm_1", offload_func },
|
||||
{ "ffn_norm", offload_func },
|
||||
{ "ffn_norm_0", offload_func },
|
||||
{ "ffn_norm_0_w", offload_func },
|
||||
{ "ffn_norm_0_wb", offload_func },
|
||||
|
||||
{ "result_w3", offload_func },
|
||||
{ "result_w3_b", offload_func },
|
||||
{ "result_w2", offload_func },
|
||||
{ "result_w2_b", offload_func },
|
||||
{ "result_w1", offload_func },
|
||||
|
||||
{ "silu", offload_func },
|
||||
{ "gelu", offload_func },
|
||||
{ "relu", offload_func },
|
||||
{ "sqr(relu)", offload_func },
|
||||
|
||||
{ "silu_x_result_w3", offload_func },
|
||||
{ "inpFF_+_result_w2", offload_func },
|
||||
{ "inpL_+_inpFF_+_result_w2", offload_func },
|
||||
|
||||
{ "rms_norm_2", offload_func_nr },
|
||||
{ "out_norm_0", offload_func_nr },
|
||||
{ "out_norm_0_w", offload_func_nr },
|
||||
|
||||
{ "result_norm", off_res_norm ? offload_func_nr : ggml_offload_nop },
|
||||
//{ "result_output", offload_func },
|
||||
};
|
||||
|
||||
static const std::unordered_map<offload_func_t, std::string> k_offload_func_name = {
|
||||
{ ggml_offload_nop, "CPU" },
|
||||
#ifdef GGML_USE_CUBLAS
|
||||
@ -5577,6 +5491,97 @@ static struct ggml_cgraph * llama_build_graph(
|
||||
#endif
|
||||
};
|
||||
|
||||
const std::unordered_map<std::string, offload_func_t> k_offload_func = {
|
||||
{ "KQ_mask", offload_func_kq },
|
||||
{ "KQ_pos", offload_func_kq },
|
||||
{ "K_shift", offload_func_kq },
|
||||
{ "K_shifted", offload_func_kq },
|
||||
|
||||
{ "inp_norm", offload_func_nr },
|
||||
{ "inp_norm_w", offload_func_nr },
|
||||
{ "inp_norm_wb", offload_func_nr },
|
||||
|
||||
{ "rms_norm_0", offload_func },
|
||||
|
||||
{ "attn_norm_0", offload_func },
|
||||
{ "attn_norm_0_w", offload_func },
|
||||
{ "attn_norm_0_wb", offload_func },
|
||||
|
||||
{ "attn_norm_2", offload_func },
|
||||
{ "attn_norm_2_w", offload_func },
|
||||
{ "attn_norm_2_wb", offload_func },
|
||||
|
||||
{ "wqkv", offload_func_kq },
|
||||
{ "bqkv", offload_func_kq },
|
||||
{ "wqkv_clamped", offload_func_kq },
|
||||
|
||||
{ "tmpk", offload_func_kq },
|
||||
{ "tmpq", offload_func_kq },
|
||||
{ "tmpv", offload_func_v },
|
||||
{ "tmpkqv", offload_func_kq }, // ??
|
||||
{ "Kcur", offload_func_kq },
|
||||
{ "Qcur", offload_func_kq },
|
||||
{ "Vcur", offload_func_v },
|
||||
{ "Vcur_0", offload_func_v },
|
||||
{ "Vcur_1", offload_func_v },
|
||||
|
||||
{ "krot", offload_func_kq },
|
||||
{ "qrot", offload_func_kq },
|
||||
{ "kpass", offload_func_kq },
|
||||
{ "qpass", offload_func_kq },
|
||||
{ "krotated", offload_func_kq },
|
||||
{ "qrotated", offload_func_kq },
|
||||
|
||||
{ "k", offload_func_kq },
|
||||
{ "v", offload_func_v },
|
||||
|
||||
{ "Q", offload_func_kq },
|
||||
{ "K", offload_func_kq },
|
||||
{ "KQ", offload_func_kq },
|
||||
{ "KQ_scaled", offload_func_kq },
|
||||
{ "KQ_scaled_alibi", offload_func_kq },
|
||||
{ "KQ_masked", offload_func_kq },
|
||||
{ "KQ_soft_max", offload_func_v },
|
||||
{ "V", offload_func_v },
|
||||
{ "KQV", offload_func_v },
|
||||
{ "KQV_merged", offload_func_v },
|
||||
{ "KQV_merged_contiguous", offload_func_v },
|
||||
|
||||
{ "result_wo", offload_func },
|
||||
{ "result_wo_b", offload_func },
|
||||
{ "inpL_+_result_wo", offload_func },
|
||||
|
||||
{ "inpFF", offload_func },
|
||||
|
||||
{ "rms_norm_1", offload_func },
|
||||
{ "ffn_norm", offload_func },
|
||||
{ "ffn_norm_0", offload_func },
|
||||
{ "ffn_norm_0_w", offload_func },
|
||||
{ "ffn_norm_0_wb", offload_func },
|
||||
|
||||
{ "result_w3", offload_func },
|
||||
{ "result_w3_b", offload_func },
|
||||
{ "result_w2", offload_func },
|
||||
{ "result_w2_b", offload_func },
|
||||
{ "result_w1", offload_func },
|
||||
|
||||
{ "silu", offload_func },
|
||||
{ "gelu", offload_func },
|
||||
{ "relu", offload_func },
|
||||
{ "sqr(relu)", offload_func },
|
||||
|
||||
{ "silu_x_result_w3", offload_func },
|
||||
{ "inpFF_+_result_w2", offload_func },
|
||||
{ "inpL_+_inpFF_+_result_w2", offload_func },
|
||||
|
||||
{ "rms_norm_2", offload_func_nr },
|
||||
{ "out_norm_0", offload_func_nr },
|
||||
{ "out_norm_0_w", offload_func_nr },
|
||||
|
||||
{ "result_norm", offload_func_emb },
|
||||
{ "result_output", offload_func_out },
|
||||
};
|
||||
|
||||
std::unordered_map<std::string, int> ofn;
|
||||
|
||||
for (int i = 0; i < result->n_nodes; ++i) {
|
||||
@ -5591,7 +5596,7 @@ static struct ggml_cgraph * llama_build_graph(
|
||||
|
||||
const auto it = k_offload_func.find(name);
|
||||
if (it == k_offload_func.end()) {
|
||||
// if a tensor that is not view hasn't been offloaded, we warn the user
|
||||
// if a tensor hasn't been offloaded, we warn the user
|
||||
if (worst_case) {
|
||||
LLAMA_LOG_WARN("%s: node %4d %32s: not offloaded (ref: %s)\n", __func__,
|
||||
i, name.c_str(), "https://github.com/ggerganov/llama.cpp/pull/3837");
|
||||
@ -5602,7 +5607,7 @@ static struct ggml_cgraph * llama_build_graph(
|
||||
|
||||
// count the number of layers and respect the provided n_gpu_layers
|
||||
offload_func_t f = it->second;
|
||||
if (f == offload_func) {
|
||||
if (n_gpu_layers < n_layer && f == offload_func) {
|
||||
if (ofn[name]++ < i_gpu_start) {
|
||||
f = ggml_offload_nop;
|
||||
}
|
||||
|
||||
Loading…
Reference in New Issue
Block a user