1
虽然有点冒犯，但是如题
Q
[SJTU-IPADS/PowerInfer]请问和llama.cpp 相比有什么优化的地方吗？因为我看大部分代码都是和他重合的
A
回答
0
感谢您对我们项目的关注。实际上，我们的工作基于llama.cpp进行了扩展，这也导致了代码的重合。我们非常感谢llama.cpp提供的优秀、易于修改的代码架构。在此基础上，为了实现神经元粒度的划分，我们对模型加载方式进行了改进，并提供了相关的稀疏算子。此外，我们还增强了对CPU和GPU算子的并行处理能力。总的来说，我们并不倾向于从头开始构建整个系统；llama.cpp已经为我们奠定了坚实的代码基础。
2
请问 powerInfo 是基于哪个版本的 llama.cpp 做扩展的？原始的外层接口是否有修改？和 llama-cpp-python是否兼容？
5
完全不兼容 需要ReLU化的模型
3
接口层面应该是可以兼容的，模型不一致不影响不影响接口层面的。
4
对于4090 的推理速度我存在质疑。不可能会少于10t/s（注意这是CPU推理的速度）
基于llama.cpp拉出的是只适配cpu的，你可以拉出最新的llama.cpp 已经适配了这个问题。
再次对比下速度。
3
建议您按照我们的论文复现一下相关实验，对比powerinfer和llama.cpp在Falcon的性能。 如果发现任何问题，欢迎带着您的数据和我们讨论，谢谢。
1
PowerInfer 利用了MLP中两个Linear层参数活跃度的高局部性，挺有创新性的，性能也很赞！
只是目前PowerInfer 需要限定模型MLP中的激活函数使用 ReLU。 原始的LLAMA模型使用的是SwiGLU，所以PowerInfer暂时不支持原始的LLAMA模型，需要将模型中的SwiGLU替换成ReLU。 请问我的理解对吗？ 另外，简单替换激活函数之后，如果没有重新训练或者微调，模型推理的准确度怎么样？ PowerInfer 需要限定使用ReLU的原因是什么呢？ 对于其他激活函数，有观察到MLP中参数活跃度的高局部性吗？