ggml-org/llama.cpp

llama : refactor the llm.build_xxx functions

Geschlossen

#5.239 geöffnet am 31.01.2024

Auf GitHub ansehenContributor Guide
 (3 Kommentare) (3 Reaktionen) (0 zugewiesene Personen)C++ (21.786 Forks)batch import
good first issuerefactoringroadmap

Repository-Metriken

Stars
 (124.222 Sterne)
PR-Merge-Metriken
 (Durchschn. Merge 6T 8h) (389 gemergte PRs in 30 T)

Beschreibung

Now that we support a large amount of architectures, we can clearly see the patterns when constructing the compute graphs - i.e. optional biases, different norm types, QKV vs Q+K+V, etc.

We should deduplicate the copy-paste portions in functions such as llm.build_llama(), llm.build_falcon(), etc.

The advantage of the current code is that it is easy to look into the graph of a specific architecture. When we refactor this, we will lose this convenience to some extend. So we should think about making this refactoring in such a way that we don't completely obscure which parts of the graph belong to which architectures

Open for ideas and suggestions how to do this best

Contributor Guide

Research-Richtung
Untersuche die vorhandenen Funktionen llm.build llama(), llm.build falcon() und ähnliche in der llama.cpp Codebasis, um gemeinsame Muster wie optionale Biases, verschiedene Normtypen und QKV vs. Q+K+V zu identifizieren. Schlage einen generalisierten Refactoring Ansatz vor, der Duplizierung reduziert, während die Möglichkeit erhalten bleibt, einzelne Architektur Graphen zu inspizieren. Erwäge einen konfigurationsgesteuerten Entwurf oder Template Methoden, um Unterschiede zu kapseln.
Tech Stack
cpp
Domain
backendmachine learning
Issue Type
Refactoring
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
3-5 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
C++LLM architecture knowledge
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30