wip enc-dec

src/llama-context.cpp

@@ -16,8 +16,10 @@
 
 llama_context::llama_context(
         const llama_model & model,
-        const llama_context_params & params) :
-    model     (model) {
+        const llama_context_params & params,
+              llama_graph_type gtype) :
+    llama_graph_i(gtype),
+    model(model) {
     LLAMA_LOG_INFO("%s: constructing llama_context\n", __func__);
 
     t_start_us = model.t_start_us;
@@ -2279,8 +2281,9 @@ size_t llama_context::state_seq_set_data(llama_io_read_i & io, llama_seq_id seq_
 
 llama_context_kv_self::llama_context_kv_self(
         const llama_model & model,
-        const llama_context_params & params) :
-    llama_context(model, params),
+        const llama_context_params & params,
+              llama_graph_type gtype) :
+    llama_context(model, params, gtype),
     kv_self(model.hparams) {
     LLAMA_LOG_INFO("%s: constructing llama_context_kv_self\n", __func__);
 
@@ -3750,8 +3753,9 @@ size_t llama_context_kv_self::state_seq_set_data(llama_io_read_i & io, llama_seq
 
 llama_context_recurrent::llama_context_recurrent(
         const llama_model & model,
-        const llama_context_params & params) :
-    llama_context(model, params),
+        const llama_context_params & params,
+              llama_graph_type gtype) :
+    llama_context(model, params, gtype),
     kv_self(model.hparams) {
     LLAMA_LOG_INFO("%s: constructing llama_context_recurrent\n", __func__);
 
@@ -4619,6 +4623,22 @@ size_t llama_context_recurrent::state_seq_set_data(llama_io_read_i & io, llama_s
     return io.n_bytes();
 }
 
+//
+// llama_context_enc_dec
+//
+
+llama_context_enc_dec::llama_context_enc_dec(
+        const llama_model & model,
+        const llama_context_params & params) :
+    llama_context(model, params, LLAMA_GRAPH_TYPE_ENCODER),
+    ctx_dec(model, params, LLAMA_GRAPH_TYPE_DECODER) {
+    LLAMA_LOG_INFO("%s: constructing llama_context_enc_dec\n", __func__);
+}
+
+llama_context_enc_dec::~llama_context_enc_dec() {
+    LLAMA_LOG_INFO("%s: destructing llama_context_enc_dec\n", __func__);
+}
+
 //
 // interface implementation
 //

src/llama-context.h

@@ -25,7 +25,8 @@ struct llama_context : public llama_graph_i {
 public:
     llama_context(
             const llama_model & model,
-            const llama_context_params & params);
+            const llama_context_params & params,
+                  llama_graph_type gtype);
 
     virtual ~llama_context();
 
@@ -388,7 +389,8 @@ class llama_context_kv_self : public llama_context {
 public:
     llama_context_kv_self(
             const llama_model & model,
-            const llama_context_params & params);
+            const llama_context_params & params,
+                  llama_graph_type gtype);
 
     virtual ~llama_context_kv_self();
 
@@ -500,7 +502,8 @@ class llama_context_recurrent : public llama_context {
 public:
     llama_context_recurrent(
             const llama_model & model,
-            const llama_context_params & params);
+            const llama_context_params & params,
+                  llama_graph_type gtype);
 
     virtual ~llama_context_recurrent();
 
@@ -604,6 +607,23 @@ protected:
     llama_kv_cache_recurrent kv_self;
 };
 
+class llama_context_enc : public llama_context {
+public:
+    using llama_context::llama_context;
+};
+
+class llama_context_enc_dec : public llama_context {
+public:
+    llama_context_enc_dec(
+            const llama_model & model,
+            const llama_context_params & params);
+
+    virtual ~llama_context_enc_dec();
+
+protected:
+    llama_context_kv_self ctx_dec;
+};
+
 // For internal test use
 // TODO: remove
 const std::vector<std::pair<std::string, struct ggml_tensor *>> & llama_internal_get_tensor_map(struct llama_context * ctx);

src/llama-graph.cpp

@@ -2,6 +2,8 @@
 
 #include "llama-impl.h"
 
+llama_graph_i::llama_graph_i(llama_graph_type type) : type(type) {}
+
 ggml_tensor * llama_graph_i::build_attn(
         ggml_context * ctx0,
          ggml_cgraph * gf,

src/llama-graph.h

@@ -11,6 +11,12 @@ struct ggml_tensor;
 struct ggml_backend_buffer;
 struct llama_ubatch;
 
+enum llama_graph_type {
+    LLAMA_GRAPH_TYPE_DEFAULT,
+    LLAMA_GRAPH_TYPE_ENCODER,
+    LLAMA_GRAPH_TYPE_DECODER,
+};
+
 struct llama_graph_result {
     // important graph nodes
     ggml_tensor * t_logits      = nullptr;
@@ -20,6 +26,15 @@ struct llama_graph_result {
 
 // TODO: can become more granular in the future
 class llama_graph_i {
+public:
+    llama_graph_i(llama_graph_type type);
+    virtual ~llama_graph_i() = default;
+
+    llama_graph_type get_type() const { return type; }
+
+protected:
+    llama_graph_type type;
+
 public:
     // callback that allows us to apply custom logic to each tensor (e.g. ggml-alloc, offloading, etc.)
     virtual void build_cb(

src/llama-model.h

@@ -5,8 +5,6 @@
 #include "llama-hparams.h"
 #include "llama-vocab.h"
 
-#include "ggml-cpp.h"
-
 #include <memory>
 #include <string>
 #include <unordered_map>

src/llama.cpp

@@ -331,17 +331,20 @@ struct llama_context * llama_init_from_model(
             case LLM_ARCH_BERT:
             case LLM_ARCH_JINA_BERT_V2:
             case LLM_ARCH_NOMIC_BERT:
-                ctx = new llama_context(*model, params);
+                ctx = new llama_context_enc(*model, params, LLAMA_GRAPH_TYPE_DEFAULT);
+                break;
+            case LLM_ARCH_T5:
+                ctx = new llama_context_enc_dec(*model, params);
                 break;
             case LLM_ARCH_RWKV6:
             case LLM_ARCH_RWKV6QWEN2:
             case LLM_ARCH_MAMBA:
                 GGML_ASSERT(llama_model_is_recurrent(model));
-                ctx = new llama_context_recurrent(*model, params);
+                ctx = new llama_context_recurrent(*model, params, LLAMA_GRAPH_TYPE_DEFAULT);
                 break;
             default:
                 GGML_ASSERT(!llama_model_is_recurrent(model));
-                ctx = new llama_context_kv_self(*model, params);
+                ctx = new llama_context_kv_self(*model, params, LLAMA_GRAPH_TYPE_DEFAULT);
         };
 
         ctx->init();