david/flash-attention

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

Автор	SHA1 Съобщение	Дата
Tri Dao	71befc19e1 [Loss] Use flash_attn.losses.cross_entropy.CrossEntropyLoss	преди 1 година
Tri Dao	dff68c2b22 Add smoothing for CrossEntropyParallel, rename to CrossEntropyLoss	преди 2 години
Tri Dao	0bf5e50038 Release training code	преди 2 години