| #pragma once |
|
|
| #include "llama-kv-cache.h" |
|
|
| #include <vector> |
|
|
| |
|
|
| |
| |
| |
| |
|
|
| class llama_kv_cache_msa : public llama_memory_i { |
| public: |
| llama_kv_cache_msa( |
| const llama_model & model, |
| ggml_type type_k, |
| ggml_type type_v, |
| bool v_trans, |
| bool offload, |
| bool unified, |
| uint32_t kv_size, |
| uint32_t n_seq_max, |
| uint32_t n_pad, |
| uint32_t n_swa, |
| llama_swa_type swa_type, |
| const layer_filter_cb & filter, |
| const layer_filter_cb & filter_idx, |
| const layer_reuse_cb & reuse); |
|
|
| ~llama_kv_cache_msa() = default; |
|
|
| |
|
|
| llama_memory_context_ptr init_batch( |
| llama_batch_allocr & balloc, |
| uint32_t n_ubatch, |
| bool embd_all) override; |
|
|
| llama_memory_context_ptr init_full() override; |
|
|
| llama_memory_context_ptr init_update(llama_context * lctx, bool optimize) override; |
|
|
| bool get_can_shift() const override; |
|
|
| void clear(bool data) override; |
|
|
| bool seq_rm (llama_seq_id seq_id, llama_pos p0, llama_pos p1) override; |
| void seq_cp (llama_seq_id seq_id_src, llama_seq_id seq_id_dst, llama_pos p0, llama_pos p1) override; |
| void seq_keep(llama_seq_id seq_id) override; |
| void seq_add (llama_seq_id seq_id, llama_pos p0, llama_pos p1, llama_pos shift) override; |
| void seq_div (llama_seq_id seq_id, llama_pos p0, llama_pos p1, int d) override; |
|
|
| llama_pos seq_pos_min(llama_seq_id seq_id) const override; |
| llama_pos seq_pos_max(llama_seq_id seq_id) const override; |
|
|
| std::map<ggml_backend_buffer_type_t, size_t> memory_breakdown() const override; |
|
|
| |
|
|
| void state_write(llama_io_write_i & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0) const override; |
| void state_read (llama_io_read_i & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0) override; |
|
|
| |
|
|
| llama_kv_cache * get_base() const; |
| llama_kv_cache * get_idx () const; |
|
|
| uint32_t get_n_pad() const { return n_pad; } |
| uint32_t get_n_seq_max() const { return n_seq_max; } |
| uint32_t get_n_swa() const { return n_swa; } |
| llama_swa_type get_swa_type() const { return swa_type; } |
|
|
| private: |
| |
| llama_hparams hparams_idx; |
|
|
| const uint32_t n_stream = 1; |
| const uint32_t n_seq_max = 1; |
| const uint32_t n_pad = 1; |
|
|
| const uint32_t n_swa = 0; |
| const llama_swa_type swa_type = LLAMA_SWA_TYPE_NONE; |
|
|
| std::unique_ptr<llama_kv_cache> kv_base; |
| std::unique_ptr<llama_kv_cache> kv_idx; |
| }; |
|
|
| class llama_kv_cache_msa_context : public llama_memory_context_i { |
| public: |
| using slot_info_vec_t = llama_kv_cache::slot_info_vec_t; |
|
|
| |
| llama_kv_cache_msa_context(llama_memory_status status); |
|
|
| |
| llama_kv_cache_msa_context( |
| llama_kv_cache_msa * kv); |
|
|
| |
| llama_kv_cache_msa_context( |
| llama_kv_cache_msa * kv, |
| llama_context * lctx, |
| bool optimize); |
|
|
| |
| llama_kv_cache_msa_context( |
| llama_kv_cache_msa * kv, |
| slot_info_vec_t sinfos_base, |
| slot_info_vec_t sinfos_idx, |
| std::vector<llama_ubatch> ubatches); |
|
|
| virtual ~llama_kv_cache_msa_context(); |
|
|
| |
|
|
| bool next() override; |
| bool apply() override; |
|
|
| llama_memory_status get_status() const override; |
| const llama_ubatch & get_ubatch() const override; |
|
|
| |
|
|
| const llama_kv_cache_context * get_base() const; |
| const llama_kv_cache_context * get_idx () const; |
|
|
| |
| |
| uint32_t get_n_pos() const; |
|
|
| |
| |
| |
| void set_input_cell_pos(ggml_tensor * dst, const llama_ubatch * ubatch, int32_t div) const; |
| |
| void set_input_pos_slot(ggml_tensor * dst, const llama_ubatch * ubatch) const; |
| void set_input_pos_mask(ggml_tensor * dst, const llama_ubatch * ubatch) const; |
|
|
| private: |
| llama_kv_cache_msa * kv; |
|
|
| |
| size_t i_next = 0; |
|
|
| std::vector<llama_ubatch> ubatches; |
|
|
| const llama_memory_context_ptr ctx_base; |
| const llama_memory_context_ptr ctx_idx; |
|
|
| const llama_memory_status status; |
| }; |
|
|