Skip to content

TODO List #2

Description

@hipudding
  • 解决当前运行时的错误。
  • 解决推理精度问题[LLAMA系FP16精度问题已解决]。
  • 使用内存池管理临时使用的dev或者host内存(buddy system)。还需要考虑及时释放已经使用完的内存(stream 同步时释放, dst重用时释放,需要优化成更优雅的方式),避免OOM。目前支持单卡,如果内存存在问题,考虑是否先同步运行。
  • 自定义算子,使用模板减少重复代码。
  • 接口中的alloc padding,tensor alloc等函数,重新审视下是否符合NPU的使用场景。
  • 组合算子替换成融合算子,提高效率,提需求,包括要支持bs的mm算子。
  • 对所有的代码完善文档,所有的函数完善注释。
  • ollama适配,0代码0配置使用npu后端的ollama服务。
  • 考虑q5_x量化的可行性。
  • 模型运行过程中的精度对比,建议保留对比工具函数。
  • 添加tensor自定义内存布局的测试用例。
  • cont,dup,cpy算子统一。
  • ascendc_rope_init_cache函数使用多核。
  • kernel函数中param拷贝耗时长,需优化(加载模型时统一拷贝需考虑ne,nb在transpose/permute过程中改变的问题)
  • 清理代码中的TODO。
  • rope_init_cache函数param拷贝input_ne踩内存问题定位,后续使用tiling进行参数传递
  • llama_kv_cache_update_internal()中进行k-shfit时存在问题,模型输出错误
  • 算子异步发射
  • 文档
  • 多卡切图不正确,执行会卡住

Activity

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

Labels

Projects

No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions