david/flash-attention

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

Аутор	SHA1 Порука	Датум
Tri Dao	88173a1aaf [FusedDense] Support relu, rename FusedDenseGeluDense -> FusedMLP	пре 1 година
Tri Dao	43798966cf [Docs] Fix formatting	пре 1 година
Tri Dao	3c7cbfc195 [Docs] Mention that dropout_layer_norm supports all dims up to 6k	пре 1 година
Tri Dao	4a6eaa9f27 Update configs, add results	пре 2 година
Tri Dao	0bf5e50038 Release training code	пре 2 година