fix

README.md

@@ -138,13 +138,12 @@ source activate.fish
 --fast            эксперементаль флаг который ускоряет foreword примерно в x2-x5
 ```
 
-### update - проверка обновления
-
 ### info
 
 ```bash
 Xenith info models/my.xnh        # конфигурация и словарь
 ```
+### update - проверка обновления
 
 `gradcheck` стоит запускать после любой правки в `model.cpp` / `backward.cpp` —
 он ловит ошибку в обратном проходе за секунды.

_xenith

@@ -0,0 +1,80 @@
+# _xenith - Zsh completion function for Xenith
+_xenith() {
+    local curcontext="$curcontext" state line
+    typeset -A opt_args
+    local commands=(
+        'new:создать новую модель из корпуса'
+        'train:обучить существующую модель'
+        'gen:сгенерировать текст'
+        'info:показать конфигурацию модели'
+        'gradcheck:проверить градиенты численно'
+        'bench:замерить скорость форварда и шага обучения'
+        'update:автоматическое обновление с гита'
+        'tui:графическо-консольный режим (тест)'
+    )
+    _arguments -C \
+        '1: :->command' \
+        '*:: :->args' && return 0
+    case $state in
+        command)
+            _describe -t commands 'команды Xenith' commands
+            ;;
+        args)
+            case $line[1] in
+                new)
+                    _arguments \
+                        '--corpus[текст для построения словаря]:файл:_files' \
+                        '--out[файл модели]:файл:_files -g "*.xnh"' \
+                        '--vocab[размер словаря]' \
+                        '--embd[размер эмбеддинга]' \
+                        '--layers[число слоёв]' \
+                        '--heads[число голов внимания]' \
+                        '--ctx[максимальный контекст]' \
+                        '--ffn[размер FFN]' \
+                        '--rope[база RoPE]' \
+                        '--seed[зерно инициализации]' \
+                        '--untied[использовать отдельную матрицу выхода]' \
+                        '--view-vocab[вывести словарь нейросети]'
+                    ;;
+                train)
+                    _arguments \
+                        '--corpus[обучающий текст]:файл:_files' \
+                        '--out[куда сохранить]:файл:_files -g "*.xnh"' \
+                        '--steps[количество шагов обучения]' \
+                        '--batch[размер батча]' \
+                        '--block[длина окна контекста]' \
+                        '--lr[скорость обучения]' \
+                        '--wd[weight decay]' \
+                        '--clip[клиппинг нормы градиента]' \
+                        '--warmup[шаги прогрева]' \
+                        '--seed[зерно генератора]' \
+                        '--ckpt-every[сохранять чекпоинт каждые N шагов]' \
+                        '--val-every[валидация каждые N шагов]' \
+                        '--val-tokens[размер валидационной выборки]' \
+                        '--threads[количество потоков (0 = все ядра)]' \
+                        '--resume[продолжить обучение с последнего чекпоинта]' \
+                        '--fast[экспериментальный флаг ускорения forward pass]'
+                    ;;
+                gen)
+                    _arguments \
+                        '--prompt[стартовый текст]' \
+                        '--n[количество генерируемых токенов]' \
+                        '--temp[температура выборки (0 = жадный)]' \
+                        '--top-k[top-k sampling]' \
+                        '--top-p[top-p nucleus sampling]' \
+                        '--seed[зерно генератора]' \
+                        '--no-stream[не печатать токены по мере генерации]' \
+                        '--batch[несколько промптов через ;]' \
+                        '--show-tokens[показывать ID токенов]'
+                    ;;
+                info|gradcheck|bench|update|tui)
+                    _arguments \
+                        '--fast[экспериментальный флаг ускорения]'
+                    ;;
+            esac
+            ;;
+    esac
+}
+if [[ "$funcstack[1]" == "_xenith" ]]; then
+    _xenith "$@"
+fi

activate.zsh

@@ -1,13 +1,13 @@
+# activate.zsh
 export VIRTUAL_ENV_PROMPT="%F{red}Xenith%f"
 alias Xenith='./bin/Xenith'
 if [ -z "${_OLD_VIRTUAL_PS1+x}" ]; then
     _OLD_VIRTUAL_PS1="$PS1"
 fi
-PS1="%{($VIRTUAL_ENV_PROMPT)%} $_OLD_VIRTUAL_PS1"
+PS1="(${VIRTUAL_ENV_PROMPT}) ${_OLD_VIRTUAL_PS1}"
 deactivate_custom() {
     unalias Xenith 2>/dev/null
     unalias deactivate 2>/dev/null
-
     if [ -n "${_OLD_VIRTUAL_PS1+x}" ]; then
         PS1="$_OLD_VIRTUAL_PS1"
         unset _OLD_VIRTUAL_PS1
@@ -18,5 +18,10 @@ deactivate_custom() {
         builtin deactivate 2>/dev/null || true
     fi
     unset -f deactivate_custom
+    compdel Xenith 2>/dev/null
+    compdel ./bin/Xenith 2>/dev/null
 }
 alias deactivate='deactivate_custom'
+source "${0:A:h}/_xenith"
+compdef _xenith Xenith
+compdef _xenith ./bin/Xenith

data.txt

@@ -0,0 +1,2 @@
+Привет
+Привет

main.cpp

@@ -302,15 +302,6 @@ static bool available_new_version() {
 
     Version remote_ver = parse_version(remote_str);
     Version local_ver = parse_version(local_str);
-
-    if (is_newer(remote_ver, local_ver))
-    {
-        std::cout << "Локальная версия: " << local_ver.major << "."
-                  << local_ver.minor << "." << local_ver.patch << std::endl;
-        std::cout << "Удалённая версия: " << remote_ver.major << "."
-                  << remote_ver.minor << "." << remote_ver.patch << std::endl;
-    }
-
     return is_newer(remote_ver, local_ver);
 }
 
@@ -412,7 +403,7 @@ int main(int argc, char** argv) {
             std::cerr << "Ошибка чтения файла новой версии (Пожалуйста напишите о этом баге)" << std::endl;
             return 1;
         }
-        std::cout << "\033[32mДоступна новая версия \033[33m" << remote_str << "\033[32m\nВыполните \"Xenith update\" чтобы обновится до последней версии\033[39m\n" << std::endl;
+        std::cout << "\033[32mДоступна новая версия \033[33m" << remote_str << "\033[32m\nВыполните \"Xenith update\" чтобы обновится до последней версии\033[39m" << std::endl;
     }
 
     if (argc < 2) { printf(HELP_TEXT); return 1; }

xenith/core/backward.cpp

@@ -17,7 +17,7 @@ static float softmax_ce(const float* logits, int V, int target, float* dlogits)
 }
 
 float backward(Params& p, const ForwardCache& fc,
-               const int* x, const int* y, int n_pairs) {
+               const int* x, const int* y, int n_pairs, bool fast) {
     const Config& c = p.cfg;
     const int d = c.n_embd, H = c.n_head, hd = c.head_dim(), f = c.ffn();
     const int V = c.vocab_out();
@@ -40,14 +40,14 @@ float backward(Params& p, const ForwardCache& fc,
     Tensor dxf(B, d);
     if (p.tied()) {
         gemm_nn(dlogits, p.wte, dxf);
-        gemm_tn(dlogits, fc.xf, p.gwte, true);
+        gemm_tn(dlogits, fc.xf, p.gwte, true, fast);
     } else {
         gemm_nn(dlogits, p.lm_head, dxf);
-        gemm_tn(dlogits, fc.xf, p.glm_head, true);
+        gemm_tn(dlogits, fc.xf, p.glm_head, true, fast);
     }
 
     Tensor dx;
-    rmsnorm_backward(fc.x, p.rms_final, fc.inv_rms, dxf, dx, p.grms_final);
+    rmsnorm_backward(fc.x, p.rms_final, fc.inv_rms, dxf, dx, p.grms_final, fast);
 
     Tensor tmp, dxb, dx2b, dha, dh1, dh3, dq, dk, dv, datt, dattout;
 
@@ -56,7 +56,7 @@ float backward(Params& p, const ForwardCache& fc,
 
         const Tensor dres = dx;
 
-        gemm_tn(lc.ha, dres, p.g2[L], true);             // dW2
+        gemm_tn(lc.ha, dres, p.g2[L], true, fast);             // dW2
         gemm_nt(dres, p.w2[L], dha);                     // dha = dres @ w2^T
 
         dh1.resize(B, f);
@@ -73,8 +73,8 @@ float backward(Params& p, const ForwardCache& fc,
                 d3[j] = ga * silu(g);
             }
         }
-        gemm_tn(lc.x2b, dh1, p.g1[L], true);             // dW1
+        gemm_tn(lc.x2b, dh1, p.g1[L], true, fast);             // dW1
-        gemm_tn(lc.x2b, dh3, p.g3[L], true);             // dW3
+        gemm_tn(lc.x2b, dh3, p.g3[L], true, fast);             // dW3
 
         dx2b.resize(B, d);
         gemm_nt(dh1, p.w1[L], dx2b);
@@ -83,11 +83,11 @@ float backward(Params& p, const ForwardCache& fc,
 
         {
             Tensor g;
-            rmsnorm_backward(lc.x2, p.rms_ffn[L], lc.inv_rms2, dx2b, g, p.grms_ffn[L]);
+            rmsnorm_backward(lc.x2, p.rms_ffn[L], lc.inv_rms2, dx2b, g, p.grms_ffn[L], fast);
             for (size_t i = 0; i < dx.n(); ++i) dx.at(i) += g.at(i);
         }
 
-        gemm_tn(lc.attout, dx, p.go[L], true);
+        gemm_tn(lc.attout, dx, p.go[L], true, fast);
         dattout.resize(B, d);
         gemm_nt(dx, p.wo[L], dattout);
 
@@ -161,9 +161,9 @@ float backward(Params& p, const ForwardCache& fc,
             }
         }
 
-        gemm_tn(lc.xb, dq, p.gq[L], true);
+        gemm_tn(lc.xb, dq, p.gq[L], true, fast);
-        gemm_tn(lc.xb, dk, p.gk[L], true);
+        gemm_tn(lc.xb, dk, p.gk[L], true, fast);
-        gemm_tn(lc.xb, dv, p.gv[L], true);
+        gemm_tn(lc.xb, dv, p.gv[L], true, fast);
 
         dxb.resize(B, d);
         gemm_nt(dq, p.wq[L], dxb);
@@ -174,7 +174,7 @@ float backward(Params& p, const ForwardCache& fc,
 
         {
             Tensor g;
-            rmsnorm_backward(lc.x, p.rms_attn[L], lc.inv_rms, dxb, g, p.grms_attn[L]);
+            rmsnorm_backward(lc.x, p.rms_attn[L], lc.inv_rms, dxb, g, p.grms_attn[L], fast);
             for (size_t i = 0; i < dx.n(); ++i) dx.at(i) += g.at(i);
         }
     }

xenith/core/generate.cpp

@@ -58,7 +58,7 @@ void forward_token(const Params& p, KvCache& kv, int token, int pos,
     Tensor ln, lnf;
 
     for (int L = 0; L < c.n_layer; ++L) {
-        rmsnorm_forward(x, p.rms_attn[L], c.rms_eps, xb, ln);
+        rmsnorm_forward(x, p.rms_attn[L], c.rms_eps, xb, ln, fast);
         gemm_nn(xb, p.wq[L], q);
         gemm_nn(xb, p.wk[L], k);
         gemm_nn(xb, p.wv[L], v);
@@ -99,7 +99,7 @@ void forward_token(const Params& p, KvCache& kv, int token, int pos,
         gemm_nn(attout, p.wo[L], proj);
         for (int j = 0; j < d; ++j) x.at(j) += proj.at(j);
 
-        rmsnorm_forward(x, p.rms_ffn[L], c.rms_eps, x2b, ln);
+        rmsnorm_forward(x, p.rms_ffn[L], c.rms_eps, x2b, ln, fast);
         gemm_nn(x2b, p.w1[L], h1);
         gemm_nn(x2b, p.w3[L], h3);
         if (fast) attout.resize_fast(1, f);
@@ -109,7 +109,7 @@ void forward_token(const Params& p, KvCache& kv, int token, int pos,
         for (int j = 0; j < d; ++j) x.at(j) += fo.at(j);
     }
 
-    rmsnorm_forward(x, p.rms_final, c.rms_eps, lnf, ln);
+    rmsnorm_forward(x, p.rms_final, c.rms_eps, lnf, ln, fast);
     if (fast) attout.resize_fast(1, c.vocab_out());
     else attout.resize(1, c.vocab_out());
     if (p.tied()) gemm_nt(lnf, p.wte, logits);

xenith/core/gradcheck.cpp

@@ -54,7 +54,7 @@ int run_gradcheck(bool verbose, bool fast) {
 
     ForwardCache fc;
     forward(p, x.data(), n, n, fc, fast);
-    backward(p, fc, x.data(), y.data(), n);
+    backward(p, fc, x.data(), y.data(), n, fast);
 
     auto tensors = p.all_w();
     auto grads  = p.all_grads();
@@ -130,7 +130,7 @@ int run_bench(Checkpoint& ck, int iters, int block, bool fast) {
     // прогрев
     ForwardCache fc;
     forward(ck.params, x.data(), n, n, fc, fast);
-    backward(ck.params, fc, x.data(), y.data(), n);
+    backward(ck.params, fc, x.data(), y.data(), n, fast);
 
     auto t0 = std::chrono::steady_clock::now();
     for (int i = 0; i < iters; ++i) forward(ck.params, x.data(), n, n, fc, fast);
@@ -141,7 +141,7 @@ int run_bench(Checkpoint& ck, int iters, int block, bool fast) {
     t0 = std::chrono::steady_clock::now();
     for (int i = 0; i < iters; ++i) {
         forward(ck.params, x.data(), n, n, fc, fast);
-        backward(ck.params, fc, x.data(), y.data(), n);
+        backward(ck.params, fc, x.data(), y.data(), n, fast);
     }
     t1 = std::chrono::steady_clock::now();
     double d_all = std::chrono::duration<double>(t1 - t0).count();

xenith/core/model.cpp

@@ -240,12 +240,46 @@ void forward(const Params& p, const int* tokens, int n_tok, int seq_len, Forward
     for (int L = 0; L < c.n_layer; ++L) {
         LayerCache& lc = fc.layers[L];
 
-        if (fast) fc.x.resize_fast(B, d);
+        if (fast)
-        else fc.x.resize(B, d);
+        {
+            lc.x.resize_fast(B, d);
+            lc.xb.resize_fast(B, d);
+            lc.q.resize_fast(B, d);
+            lc.k.resize_fast(B, d);
+            lc.v.resize_fast(B, d);
+            lc.attout.resize_fast(B, d);
+            lc.proj.resize_fast(B, d);
 
-        for (size_t i = 0; i < fc.x.n(); ++i) lc.x.at(i) = fc.x.at(i);
+            lc.x2.resize_fast(B, d);
+            lc.x2b.resize_fast(B, d);
+            lc.h1.resize_fast(B, f);
+            lc.h3.resize_fast(B, f);
+            lc.ha.resize_fast(B, f);
+            lc.fo.resize_fast(B, d);
+        } else
+        {
+            lc.x.resize(B, d);
+            lc.xb.resize(B, d);
+            lc.q.resize(B, d);
+            lc.k.resize(B, d);
+            lc.v.resize(B, d);
+            lc.attout.resize(B, d);
+            lc.proj.resize(B, d);
 
-        rmsnorm_forward(lc.x, p.rms_attn[L], c.rms_eps, lc.xb, lc.inv_rms);
+            lc.x2.resize(B, d);
+            lc.x2b.resize(B, d);
+            lc.h1.resize(B, f);
+            lc.h3.resize(B, f);
+            lc.ha.resize(B, f);
+            lc.fo.resize(B, d);
+        }
+
+        lc.att.resize3d(n_seq * H, S, S);
+
+        if (fast) fc.xf.resize_fast(B, d);
+        else      fc.xf.resize(B, d);
+
+        rmsnorm_forward(lc.x, p.rms_attn[L], c.rms_eps, lc.xb, lc.inv_rms, fast);
         gemm_nn(lc.xb, p.wq[L], lc.q);
         gemm_nn(lc.xb, p.wk[L], lc.k);
         gemm_nn(lc.xb, p.wv[L], lc.v);
@@ -316,7 +350,7 @@ void forward(const Params& p, const int* tokens, int n_tok, int seq_len, Forward
         else fc.x.resize(B, d);
         for (size_t i = 0; i < fc.x.n(); ++i) lc.x2.at(i) = fc.x.at(i);
 
-        rmsnorm_forward(lc.x2, p.rms_ffn[L], c.rms_eps, lc.x2b, lc.inv_rms2);
+        rmsnorm_forward(lc.x2, p.rms_ffn[L], c.rms_eps, lc.x2b, lc.inv_rms2, fast);
         gemm_nn(lc.x2b, p.w1[L], lc.h1);
         gemm_nn(lc.x2b, p.w3[L], lc.h3);
         if (fast) fc.x.resize_fast(B, f);
@@ -327,7 +361,7 @@ void forward(const Params& p, const int* tokens, int n_tok, int seq_len, Forward
         for (size_t i = 0; i < fc.x.n(); ++i) fc.x.at(i) += lc.fo.at(i);
     }
 
-    rmsnorm_forward(fc.x, p.rms_final, c.rms_eps, fc.xf, fc.inv_rms);
+    rmsnorm_forward(fc.x, p.rms_final, c.rms_eps, fc.xf, fc.inv_rms, fast);
     if (fast) fc.x.resize_fast(B, c.vocab_out());
     else fc.x.resize(B, c.vocab_out());
     if (p.tied()) gemm_nt(fc.xf, p.wte, fc.logits);

xenith/core/tensor.hpp

@@ -132,10 +132,11 @@ inline void gemm_nt(const Tensor& A, const Tensor& B, Tensor& C) {
     });
 }
 
-inline void gemm_tn(const Tensor& A, const Tensor& B, Tensor& C, bool accumulate = false) {
+inline void gemm_tn(const Tensor& A, const Tensor& B, Tensor& C, bool accumulate, bool fast) {
     const int N = A.R(), K = A.C(), M = B.C();
     if (!accumulate) {
-        C.resize(K, M);
+        if (fast) C.resize_fast(K, M);
+        else C.resize(K, M);
     } else {
         if (C.R() != K || C.C() != M) {
             std::fprintf(stderr,
@@ -167,10 +168,12 @@ inline float dsilu(float x) {
 
 
 inline void rmsnorm_forward(const Tensor& x, const Tensor& w, float eps,
-                            Tensor& y, Tensor& inv_rms) {
+                            Tensor& y, Tensor& inv_rms, bool fast) {
     const int N = x.R(), D = x.C();
-    y.resize(N, D);
+    if (fast) y.resize_fast(N, D);
-    inv_rms.resize(N, 1);
+    else y.resize(N, D);
+    if (fast) inv_rms.resize_fast(N, 1);
+    else inv_rms.resize(N, 1);
     for (int n = 0; n < N; ++n) {
         const float* xr = x.row(n);
         float ss = 0.0f;
@@ -183,10 +186,12 @@ inline void rmsnorm_forward(const Tensor& x, const Tensor& w, float eps,
 }
 
 inline void rmsnorm_backward(const Tensor& x, const Tensor& w, const Tensor& inv_rms,
-                             const Tensor& dy, Tensor& dx, Tensor& dw) {
+                             const Tensor& dy, Tensor& dx, Tensor& dw, bool fast) {
     const int N = x.R(), D = x.C();
-    dx.resize(N, D);
+    if (fast) dx.resize_fast(N, D);
-    dw.resize(1, D);
+    else dx.resize(N, D);
+    if (fast) dw.resize_fast(1, D);
+    else dw.resize(1, D);
     dw.zero();
     for (int n = 0; n < N; ++n) {
         const float* xr = x.row(n);

xenith/core/train.hpp

@@ -6,7 +6,7 @@
 namespace xt {
 
 float backward(Params& p, const ForwardCache& fc,
-               const int* x, const int* y, int n_pairs);
+               const int* x, const int* y, int n_pairs, bool fast);
 
 float softmax_eval(const Params& p, const ForwardCache& fc,
                    const int* x, const int* y, int n_pairs, Tensor& per_token_loss);

xenith/core/trainer.cpp

@@ -80,7 +80,7 @@ TrainStats train_model(Params& p, const Tokenizer& tok, const std::string& corpu
         }
 
         forward(p, xb.data(), B * block, block, fc, tc.fast);
-        float loss = backward(p, fc, xb.data(), yb.data(), B * block);
+        float loss = backward(p, fc, xb.data(), yb.data(), B * block, tc.fast);
         p.adam_step(lr_at(tc, step), tc.beta1, tc.beta2, tc.eps,
                     tc.weight_decay, step + 1, tc.clip);