面向边缘和端，基于C++开发的 Transformer 开发框架，支持推理和训练。

A new Transformer framework for edge computing, based on pure c++, supports inference and training.

• 基于 C++ 的极简架构设计， 隔离 Transformer 核心计算与应用逻辑，独立运行无第三方库依赖
• 支持包括国产硬件在内的异构平台
• 支持 fp16, Q4(g128), PQ3(自研)等量化压缩计算，内置KV Cache优化管理
• 性价比优先，通过软件优化边缘和端测的大模型运行性能（吞吐和训推速度）
• 支持微调训练与推理，适配主流的开源模型
• 提供示范的 ChatBot ，RAG , Agent 应用案例

• 中科曙光 DCU（海光） Z100/Z100L
• Nvidia CUDA 芯片 T4/GTX 3080/3090
• Intel CPU / GPU (Xe)
• 天数智芯
• 寒武纪
• 希姆计算
• ...

• Qwen1.5-0.5b
• Qwen-1.8b
• Qwen1.5-7b (模型文件下载：链接：https://pan.baidu.com/s/1R3kNzM4CaDcFrFw_UXYxhA 提取码：qmta )
• Qwen-14b
• Qwen-72b
• Qwen-VL
• Whisper2
• ChatGLM
• Baichuan
• LLAMA2
• ...

注意，需要下载更多转换好的模型文件，可以联系我们的技术支持，参考 https://www.viitrix.com/ 。

• 测试环境： Nvidia T4 单卡，16G显存，65 TFLOPS，运行Qwen-7B模型，
• 测试目标： 测试批量用户模型在线推理能力，8 batch，1024 上下文，FP16 (Activity)
• 测试结果： 35 tokens/s

VT-Transformer 架构上包括 TensorType 异构计算、 DAG 计算图执行引擎、 KV Cache 管理、Tokenizer组合库等组件构成。

• tensortype/tensortype.cpp(.hpp) TensorType 异构计算抽象组件
  • CUDA 计算实现
    • tensortype/cuda_tensor.cpp(.hpp) CUDA 设备实现
    • tensortype/cuda_kernels/ CUDA kernels 代码
  • 海光 DCU 计算实现
    • tensortype/dcu_tensor.cpp(.hpp) 海光 DCU 设备实现
    • tensortype/dcu_kernels/ DCU kernels代码
  • tensortype/dnnl_tensor.cpp(.hpp) Intel oneDNN 支持设备实现
• tensortype/dag.cpp(.hpp) 高效计算图 DAG 执行引擎
• tensortype/nn_. KV Cache管理, 算子定义
• tools/ 提供了一个 repl ，tokenizer测试
• models 下提供了不同模型的 DAG 文件，简单的终端 ChatBot，以及性能测试代码
• tokenizer.com 本地 Tokenizer 库

• DAG 语法说明
• 如何适配一个新的硬件平台
• 如何移植一个新的 Transformer 模型

在根目录下有有一个build_env.sh ，里面修改相应的开发环境依赖路径，如 CUDA/DTK/DNNL 等路径。

VT-Transformer集成了 tokenizers (rust/openai), tiktoken(rust/huggingface), sentencepiece(c++/google) 三个最常用的Tokenizer库的封装。 参考 tokenizers.combo/Makefile 的编译实现。

主要参考 tensortype/Makefile 的编译实现，一个平台对应一个编译文件，这些构建文件非常简洁，方便修改调试。

models目录下的有对应的Makefile文件，非常简单，可以参考修改调整。目前测试应用主要包括终端会话的chatbot, 以及一个简单的性能测试。

完整的演示应用（RAG / Agent）计划后续提供。

上海云锦微基于VT-Transformer（开源）开发了完整的训推一体机，具体参考：https://www.viitrix.com/ 。