 Patrick Devine
|
4cc3be3035
Move envconfig and consolidate env vars (#4608)
|
11 tháng trước cách đây |
 Sang Park
|
4434d7f447
Correct typo in error message (#4535)
|
11 tháng trước cách đây |
 Daniel Hiltgen
|
ec231a7923
Remove VRAM convergence check for windows
|
11 tháng trước cách đây |
|
Patrick Devine
|
6845988807
Ollama `ps` command for showing currently loaded models (#4327)
|
11 tháng trước cách đây |
|
Daniel Hiltgen
|
4142c3ef7c
Always use the sorted list of GPUs
|
11 tháng trước cách đây |
 Jeffrey Morgan
|
bb6fd02298
Don't clamp ctx size in `PredictServerFit` (#4317)
|
11 tháng trước cách đây |
|
Daniel Hiltgen
|
354ad9254e
Wait for GPU free memory reporting to converge
|
11 tháng trước cách đây |
|
Jeffrey Morgan
|
c9f98622b1
Skip scheduling cancelled requests, always reload unloaded runners (#4189)
|
1 năm trước cách đây |
|
Jeffrey Morgan
|
dfa2f32ca0
unload in critical section (#4187)
|
1 năm trước cách đây |
|
Daniel Hiltgen
|
f56aa20014
Centralize server config handling
|
1 năm trước cách đây |
|
Jeffrey Morgan
|
942c979232
allocate a large enough kv cache for all parallel requests (#4162)
|
1 năm trước cách đây |
|
Daniel Hiltgen
|
20f6c06569
Make maximum pending request configurable
|
1 năm trước cách đây |
 Mark Ward
|
63c763685f
log when the waiting for the process to stop to help debug when other tasks execute during this wait.
|
1 năm trước cách đây |
|
Mark Ward
|
f4a73d57a4
fix runner expire during active use. Clearing the expire timer as it is used. Allowing the finish to assign an expire timer so that the runner will expire after no use.
|
1 năm trước cách đây |
|
Daniel Hiltgen
|
d6e3b64582
Fix concurrency for CPU mode
|
1 năm trước cách đây |
 Daniel Hiltgen
|
9b5a3c5991
Merge pull request #3914 from dhiltgen/mac_perf
|
1 năm trước cách đây |
|
Jeffrey Morgan
|
00b0699c75
Reload model if `num_gpu` changes (#3920)
|
1 năm trước cách đây |
|
Daniel Hiltgen
|
b123be5b71
Adjust context size for parallelism
|
1 năm trước cách đây |
 Bryce Reitano
|
36a6daccab
Restructure loading conditional chain
|
1 năm trước cách đây |
|
Bryce Reitano
|
284e02bed0
Move ggml loading to when we attempt fitting
|
1 năm trước cách đây |
|
Daniel Hiltgen
|
34b9db5afc
Request and model concurrency
|
1 năm trước cách đây |
