char-fork/llama.cpp

git clone https://git.t4t.associates/char-fork/llama.cpp

Aman GuptaDeepSeek V4 (#24162)8c146a836

char/aliceai-t5-moe
brancheschar/aliceai-t5-moeall refs →
4.7 KiB155 linesraw
1#pragma once
2
3#include "llama-kv-cache.h"
4
5#include <vector>
6
7//
8// llama_kv_cache_iswa
9//
10
11// utilizes two instances of llama_kv_cache
12//   the first instance is for the non-SWA layers of the model and the second instance is for the SWA layers
13
14class llama_kv_cache_iswa : public llama_memory_i {
15public:
16    llama_kv_cache_iswa(
17            const llama_model & model,
18                    ggml_type   type_k,
19                    ggml_type   type_v,
20                         bool   v_trans,
21                         bool   offload,
22                         bool   swa_full,
23                         bool   unified,
24                     uint32_t   kv_size,
25                     uint32_t   n_seq_max,
26                     uint32_t   n_ubatch,
27                     uint32_t   n_pad,
28               llama_memory_t   mem_other,
29        const layer_filter_cb & filter,
30        const  layer_reuse_cb & reuse,
31        const  layer_share_cb & share);
32
33    llama_kv_cache_iswa(
34            const llama_model & model,
35            const llama_hparams & hparams,
36                    ggml_type   type_k,
37                    ggml_type   type_v,
38                         bool   v_trans,
39                         bool   offload,
40                         bool   swa_full,
41                         bool   unified,
42                     uint32_t   kv_size,
43                     uint32_t   n_seq_max,
44                     uint32_t   n_ubatch,
45                     uint32_t   n_pad,
46               llama_memory_t   mem_other,
47        const layer_filter_cb & filter,
48        const  layer_reuse_cb & reuse,
49        const  layer_share_cb & share);
50
51    ~llama_kv_cache_iswa() = default;
52
53    //
54    // llama_memory_i
55    //
56
57    llama_memory_context_ptr init_batch(
58            llama_batch_allocr & balloc,
59            uint32_t n_ubatch,
60            bool embd_all) override;
61
62    llama_memory_context_ptr init_full() override;
63
64    llama_memory_context_ptr init_update(llama_context * lctx, bool optimize) override;
65
66    bool get_can_shift() const override;
67
68    void clear(bool data) override;
69
70    bool seq_rm  (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1) override;
71    void seq_cp  (llama_seq_id seq_id_src, llama_seq_id seq_id_dst, llama_pos p0, llama_pos p1) override;
72    void seq_keep(llama_seq_id seq_id)                                                          override;
73    void seq_add (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1, llama_pos shift) override;
74    void seq_div (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1, int d) override;
75
76    llama_pos seq_pos_min(llama_seq_id seq_id) const override;
77    llama_pos seq_pos_max(llama_seq_id seq_id) const override;
78
79    std::map<ggml_backend_buffer_type_t, size_t> memory_breakdown() const override;
80
81    // state write/load
82
83    void state_write(llama_io_write_i & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0) const override;
84    void state_read (llama_io_read_i  & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0) override;
85
86    //
87    // llama_kv_cache_iswa specific API
88    //
89
90    llama_kv_cache * get_base() const;
91    llama_kv_cache * get_swa () const;
92
93private:
94    const bool unified;
95
96    std::unique_ptr<llama_kv_cache> kv_base;
97    std::unique_ptr<llama_kv_cache> kv_swa;
98};
99
100class llama_kv_cache_iswa_context : public llama_memory_context_i {
101public:
102    using slot_info_vec_t = llama_kv_cache::slot_info_vec_t;
103
104    // used for errors
105    llama_kv_cache_iswa_context(llama_memory_status status);
106
107    // used to create a full-cache context
108    llama_kv_cache_iswa_context(
109            llama_kv_cache_iswa * kv);
110
111    // used to create an update context
112    llama_kv_cache_iswa_context(
113            llama_kv_cache_iswa * kv,
114            llama_context * lctx,
115            bool optimize);
116
117    // used to create a batch processing context from a batch
118    llama_kv_cache_iswa_context(
119            llama_kv_cache_iswa * kv,
120            slot_info_vec_t sinfos_base,
121            slot_info_vec_t sinfos_swa,
122            std::vector<llama_ubatch> ubatches);
123
124    virtual ~llama_kv_cache_iswa_context();
125
126    //
127    // llama_memory_context_i
128    //
129
130    bool next()  override;
131    bool apply() override;
132
133    llama_memory_status  get_status() const override;
134    const llama_ubatch & get_ubatch() const override;
135
136    //
137    // llama_kv_cache_iswa_context specific API
138    //
139
140    const llama_kv_cache_context * get_base() const;
141    const llama_kv_cache_context * get_swa()  const;
142
143private:
144    //llama_kv_cache_iswa * kv;
145
146    // the index of the next ubatch to process
147    size_t i_next = 0;
148
149    std::vector<llama_ubatch> ubatches;
150
151    const llama_memory_context_ptr ctx_base;
152    const llama_memory_context_ptr ctx_swa;
153
154    const llama_memory_status status;
155};