david/flash-attention

espejo de https://github.com/Dao-AILab/flash-attention

Autor	SHA1 Mensaje	Fecha
sclarkson	1feb711f46 Fix compilation with clang on ARM64 (#1285)	hace 2 meses
Tri Dao	dff68c2b22 Add smoothing for CrossEntropyParallel, rename to CrossEntropyLoss	hace 2 años
Tri Dao	7c9953815a Add fused cross entropy loss	hace 2 años