dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
LLAMACPP Toate comenzile llama.cpp: Inferență LLM în C++ & Formatul GGUF

Distribuirea Straturilor pe Mai Multe GPU-uri (-sm / –split-mode) în llama.cpp: Inferență LLM în C++ & Formatul GGUF

Optimizare Memorie, FlashAttention & Cache KV Multi-GPU Split Modes Q&A AI / Distribuie cod
Sintaxă & invocare 
./llama-cli -m model.gguf -sm layer  # sau -sm row

Pentru a rula modele masive pe sisteme cu 2, 4 sau 8 plăci grafice, parametrul -sm (sau --split-mode) dictează strategia de partiționare a straturilor:

  • -sm layer: Împarte straturile secvențial (ex: primele 40 de straturi pe GPU 0, restul de 40 pe GPU 1). Este modul recomandat pentru plăci de capacități diferite.
  • -sm row: Împarte matricile pe linii (tensor parallelism similar vLLM), necesitând plăci identice conectate prin magistrală rapidă PCIe sau NVLink.
# Rulare Llama 70B pe 2x RTX 3090 / 4090 (2x 24GB VRAM):
./build/bin/llama-cli -m Llama-3-70B-Q4_K_M.gguf -ngl 99 -sm layer

Permite operarea de modele enterprise pe hardware de tip workstation.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Distribuirea Straturilor pe Mai Multe GPU-uri (-sm / –split-mode)

Ai o întrebare despre Distribuirea Straturilor pe Mai Multe GPU-uri (-sm / –split-mode) sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!

🤖

Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!

Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.