ggml-org/llama.cpp

llama : refactor the llm.build_xxx functions

クローズ

#5,239 opened on 2024/01/31

GitHub で見るコントリビューターガイド
 (3 件のコメント) (3 件のリアクション) (0 人の担当者)C++ (21,737 件のフォーク)batch import
good first issuerefactoringroadmap

Repository metrics

Stars
 (124,043 個のスター)
PR merge metrics
 (平均マージ 6d 8h) (30d で 389 merged PRs)

説明

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

コントリビューターガイド

調査方針
llama.cpp コードベース内の既存の llm.build llama()、llm.build falcon() および類似の関数を調査し、オプションのバイアス、異なる正規化タイプ、QKV 対 Q+K+V などの共通パターンを特定します。重複を減らしながら、個々のアーキテクチャグラフを検査する機能を維持する、汎用的なリファクタリング手法を提案します。設定駆動設計やテンプレートメソッドを使用して差異をカプセル化することを検討してください。
技術スタック
cpp
領域
backendmachine learning
Issue 種別
リファクタリング
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
3-5日
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
アクティブ
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
おおむね明確
前提条件
C++LLM architecture knowledge
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
30