AlpinDale 9bbc75d2e3 wip 6 ay önce
..
__init__.py 5884e0b904 add bitnetforcausallm support 6 ay önce
arctic.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
baichuan.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
bitnet.py 9bbc75d2e3 wip 6 ay önce
bloom.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
chatglm.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
commandr.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
dbrx.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
decilm.py 50b7c13db0 refactor: attention selector (#552) 6 ay önce
deepseek.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
falcon.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
gemma.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
gpt2.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
gpt_bigcode.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
gpt_j.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
gpt_neox.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
internlm2.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
jais.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
llama.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce
llama_embedding.py 50b7c13db0 refactor: attention selector (#552) 6 ay önce
llava.py 24a2d9c2c8 minor llava refactoring 6 ay önce
minicpm.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
mixtral.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce
mixtral_quant.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce
mpt.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
olmo.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
opt.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
orion.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
phi.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
phi3_small.py 696f2cd59c add phi3_small support with blocksparse attention 6 ay önce
qwen.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
qwen2.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce
qwen2_moe.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
stablelm.py 656459fd84 make fp8_e4m3 work on nvidia 6 ay önce
starcoder2.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce
vlm_base.py f970f3f3fb add base class for VLMs 6 ay önce
xverse.py ac79d115b3 add guards for prefix caching, fp8, chunked, etc 6 ay önce