david/flash-attention

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

Аутор	SHA1 Порука	Датум
Tri Dao	71befc19e1 [Loss] Use flash_attn.losses.cross_entropy.CrossEntropyLoss	пре 1 година
Tri Dao	dff68c2b22 Add smoothing for CrossEntropyParallel, rename to CrossEntropyLoss	пре 2 година
Tri Dao	0bf5e50038 Release training code	пре 2 година