Georgi Gerganov e84b71c2c6 ggml : drop support for QK_K=64 (#7473) ...

* ggml : drop support for QK_K=64

ggml-ci

* opencl : restore QK_K=256 define

2024-05-23 10:00:21 +03:00

..

acc.cu

…

acc.cuh

…

arange.cu

…

arange.cuh

…

argsort.cu

…

argsort.cuh

…

binbcast.cu

…

binbcast.cuh

…

clamp.cu

…

clamp.cuh

…

common.cuh

CUDA: deduplicate FlashAttention code (#7352)

2024-05-18 12:36:25 +02:00

concat.cu

…

concat.cuh

…

convert.cu

ggml : drop support for QK_K=64 (#7473)

2024-05-23 10:00:21 +03:00

convert.cuh

…

cpy.cu

…

cpy.cuh

…

dequantize.cuh

…

diagmask.cu

…

diagmask.cuh

…

dmmv.cu

ggml : drop support for QK_K=64 (#7473)

2024-05-23 10:00:21 +03:00

dmmv.cuh

…

fattn-common.cuh

CUDA: deduplicate FlashAttention code (#7352)

2024-05-18 12:36:25 +02:00

fattn-tile-f16.cu

CUDA: fix FA out-of-bounds reads (#7479)

2024-05-23 00:31:20 +02:00

fattn-tile-f16.cuh

…

fattn-tile-f32.cu

CUDA: fix FA out-of-bounds reads (#7479)

2024-05-23 00:31:20 +02:00

fattn-tile-f32.cuh

…

fattn-vec-f16.cu

CUDA: fix FA out-of-bounds reads (#7479)

2024-05-23 00:31:20 +02:00

fattn-vec-f16.cuh

…

fattn-vec-f32.cu

CUDA: fix FA out-of-bounds reads (#7479)

2024-05-23 00:31:20 +02:00

fattn-vec-f32.cuh

…

fattn.cu

CUDA: deduplicate FlashAttention code (#7352)

2024-05-18 12:36:25 +02:00

fattn.cuh

…

getrows.cu

…

getrows.cuh

…

im2col.cu

…

im2col.cuh

…

mmq.cu

ggml : drop support for QK_K=64 (#7473)

2024-05-23 10:00:21 +03:00

mmq.cuh

…

mmvq.cu

…

mmvq.cuh

…

norm.cu

…

norm.cuh

…

pad.cu

…

pad.cuh

…

pool2d.cu

…

pool2d.cuh

…

quantize.cu

…

quantize.cuh

…

rope.cu

cuda : fix rope + add tests (#7452)

2024-05-22 11:01:35 +03:00

rope.cuh

…

scale.cu

…

scale.cuh

…

softmax.cu

CUDA: deduplicate FlashAttention code (#7352)

2024-05-18 12:36:25 +02:00

softmax.cuh

…

sumrows.cu

…

sumrows.cuh

…

tsembd.cu

…

tsembd.cuh

…

unary.cu

…

unary.cuh

…

upscale.cu

…

upscale.cuh

…

vecdotq.cuh

ggml : drop support for QK_K=64 (#7473)

2024-05-23 10:00:21 +03:00