Историја ревизија

Аутор SHA1 Порука Датум
  JDKWangGuan 0d810cfb73 Fix KeyError handling for non-existing key in state_dict.pop() (#898) пре 5 месеци
  Tri Dao ef0ed10622 Add window_size option to MHA and GPT пре 10 месеци
  Tri Dao abbc131173 [LayerNorm] Switch from CUDA to Triton implementation пре 11 месеци
  Tri Dao 73df3be7d5 Add test for BTLM init пре 11 месеци
  Tri Dao 2e29dacf0c Implement muParam пре 11 месеци
  Tri Dao 2c7d7b7396 Implement norm head for Baichuan2 пре 1 година
  Tri Dao c3b2196652 Add Alibi to MHA, test with Baichuan-13B пре 1 година
  Yuchao Dai 187c2a0635 Fix E1136 (#563) пре 1 година
  Tri Dao d0032700d1 Add tests for Pythia, GPT-JT, and RedPajama models пре 1 година
  Kevin Hu 07005806ff Add BigCode converters (#532) пре 1 година
  Tri Dao 798858f9f1 Fix test_baichuan пре 1 година
  Tri Dao 7b33743a72 [Gen] Add back num_last_tokens in gpt.py пре 1 година
  dan_the_3rd 011ec323d6 Support MQA + MP for decoding (#490) пре 1 година
  Tri Dao f8aea6ead0 [GPT] Generalize last_token_only arg to num_last_tokens пре 1 година
  Aman Gupta Karmani e0b09891c6 add llama support to GPTPreTrainedModel.from_pretrained (#479) пре 1 година
  Xuechen Li 25d6b1dbcb handle uneven heads across ranks when combining state_dicts; resolves #467 (#468) пре 1 година
  Xuechen Li 7fcd3e6a04 map custom model state_dict back to huggingface format (#465) пре 1 година
  Tri Dao f1a73d0740 Run isort and black on python files пре 1 година
  Xuechen Li bb4cded17b support when num_heads is not divisible by world_size; resolves #459 (#461) пре 1 година
  Tri Dao 4b661a569d [GPT] Run black on gpt.py пре 1 година
  Tri Dao 184b992dcb [GPT] Implement parallel LLaMa пре 1 година
  Haodong Lyu 8ee62efca3 Implement ParallelGatedMlp (#251) пре 1 година
  Tri Dao d38357dd2f [GPT] Implement Falcon пре 1 година
  Tri Dao 425dbcb6c6 [MHA] Implement MQA/GQA пре 1 година
  Tri Dao ec9f74ab9a [Rotary] Don't store inv_freq in state_dict пре 1 година
  Tri Dao 75e334d407 [MLP] Add ParallelMLP пре 1 година
  Tri Dao 48bc6eacd6 [Gen] Add rotary base as an argument to FT attention kernel пре 1 година
  Federico Berto 69f5f7d0a2 [BugFix] cannot unpack non-iterable NoneType object пре 1 година
  Tri Dao a9a4b4e4f2 [LLaMa] Fix last norm layer to use RMSNorm instead of LayerNorm пре 1 година
  Tri Dao ba2fe7f378 [Gen] Move allocate_inference_cache to within the model пре 1 година