david/flash-attention

огледало од https://github.com/Dao-AILab/flash-attention

Аутор	SHA1 Порука	Датум
Tri Dao	393882bc08 [LayerNorm] Implement LN with parallel residual, support dim 8k	пре 2 година
Tri Dao	993d12448e Implement GPT-NeoX	пре 2 година
Tri Dao	4d87e4d875 Implement GPT-J	пре 2 година