Историја ревизија

Аутор SHA1 Порука Датум
  JDKWangGuan 0d810cfb73 Fix KeyError handling for non-existing key in state_dict.pop() (#898) пре 6 месеци
  Tri Dao ef0ed10622 Add window_size option to MHA and GPT пре 11 месеци
  Tri Dao abbc131173 [LayerNorm] Switch from CUDA to Triton implementation пре 1 година
  Tri Dao 73df3be7d5 Add test for BTLM init пре 1 година
  Tri Dao 2e29dacf0c Implement muParam пре 1 година
  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