tenstorrent/tt-metal: Redaktioneller README-Leitfaden

tenstorrent/tt-metal beschreibt sich im README als „:metal: TT-NN operator library, and TT-Metalium low level kernel programming model.". Dieser Text bleibt bei Fakten, die im Repository überprüfbar sind. Sterne, Forks und Badges zeigen Aufmerksamkeit, aber keine Qualität. Unter „README" steht: TT-NN is a Python & C++ Neural Network OP library.. Das beschreibt den vorgesehenen Umfang, nicht einen Produktionstest.

Der Abschnitt „Benchmarks" zeigt, für welches Problem das Projekt gedacht ist: Matrix Multiply FLOPS on Wormhole and Blackhole. Passt dieses Problem nicht zu deinem Fall, ist Popularität kein ausreichender Grund. Namen, Befehle und Komponenten bleiben unverändert, damit Leser die Primärquelle ohne neue Begriffe vergleichen können. Ein weiterer überprüfbarer README-Punkt lautet: Advanced Performance Optimizations for Models. Er hilft beim ersten Test, ersetzt aber keinen Test in der vorgesehenen Umgebung.

Die Betriebsweise verteilt sich auf Abschnitte wie „Featured Models". Die Quelle nennt: >[!IMPORTANT] > For a full model list see the Model Matrix.. Fehlende Angaben zu Architektur, Leistung oder Sicherheit werden nicht ergänzt. Vor einem echten Einsatz müssen Repository-Struktur, Konfigurationsdateien und Release-Verlauf geprüft werden.

Beginne die Installation am dokumentierten README-Einstieg. Ein überprüfbarer Befehl ist: README 没有给出可直接复制的安装命令。 Wenn kein ausführbarer Befehl vorhanden ist, wird hier keiner erfunden. Prüfe den Abschnitt „Llama 3.3 70B (TP=32)" auf Abhängigkeiten, Standardports und die Einrichtung beim ersten Start.

Der tägliche Betrieb folgt der Projektdokumentation. Im Abschnitt „Featured Models" steht: >[!NOTE] > Performance Metrics: > - Time to First Token (TTFT) measures the time (in milliseconds) it takes to generate the first output token after input is received.. Konfiguration, Umgebungsvariablen, Rechte und Datenpfade werden nur bei klarer Quelle beschrieben. Unklare Defaults gehören in einen isolierten Test mit rücksetzbarer Konfiguration. Dieselbe Quelle nennt außerdem: Advanced Performance Optimizations for Models.