david/flash-attention

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

Autor	SHA1 Mensaje	Fecha
Tri Dao	71befc19e1 [Loss] Use flash_attn.losses.cross_entropy.CrossEntropyLoss	hace 1 año
Tri Dao	dff68c2b22 Add smoothing for CrossEntropyParallel, rename to CrossEntropyLoss	hace 2 años
Tri Dao	0bf5e50038 Release training code	hace 2 años