Commit History

Upphovsman SHA1 Meddelande Datum
  Ying Zhang cdbbe844b1 minor changes to unpad_input test util func 3 månader sedan
  Tri Dao 299563626f Fix test with alibi and cache_leftpad 4 månader sedan
  Tri Dao 751c762c9c Don't specialize for hdim 224 to speed up compilation 4 månader sedan
  Phil Wang 5f1ae4a34b backwards for softcapping (#1033) 4 månader sedan
  Tri Dao 40e534a7f6 Implement cache_leftpad 5 månader sedan
  Tri Dao d0787acc16 Relax dropout_fraction test 5 månader sedan
  Tri Dao dca6d89da4 Don't support softcap and dropout at the same time 5 månader sedan
  Tri Dao 81e01efd4b More typo fixes 5 månader sedan
  Tri Dao 3d41db3e2c Only test backward if there's no softcapping 5 månader sedan
  Nicolas Patry 8f873cc6ac Implement softcapping. (#1025) 5 månader sedan
  muoshuosha 6df7e0a02e Fix the varlen deterministic test (#1023) 5 månader sedan
  cao lei 6a2a16e994 fix typo (#974) 5 månader sedan
  Grigory Sizov f816dee63c Support unpadded LSE layout (#970) 5 månader sedan
  Grigory Sizov 2a15840f09 Enable paged attention in varlen forward (#831) 9 månader sedan
  Tri Dao 2406f28805 Enable headdim 256 backward on consumer GPUs (Ampere, Ada) 9 månader sedan
  Tri Dao 54e80a3829 Implement page KV cache 10 månader sedan
  Tri Dao 10dad61277 apply_dropout now takes tensor of rowcol layout 11 månader sedan
  Tri Dao a7b66ae25a Simplify writing softmax to gmem 11 månader sedan
  Tri Dao 732654583c Implement deterministic backward (thanks to Meituan) 11 månader sedan
  Tri Dao 5ab9b3667b Clean up alibi, implement non-causal alibi 1 år sedan
  Tri Dao e279bf8ed9 [Gen] Accept cache_batch_idx to index into the KV cache 1 år sedan
  Tri Dao 083e8f525f Implement local attention 1 år sedan
  Tri Dao 65c234ed90 Don't over-allocate dq_accum in case of varlen 1 år sedan
  Tri Dao 2d8ea9a530 Swap seqlen_q and ngroups when seqlen_q=1 (h/t Daniel Haziza) 1 år sedan
  Tri Dao 3250ff3d82 Swap seqlen_q, nheads for MQA when seqlen_q=1 for fwd (h/t Daniel H) 1 år sedan
  Tri Dao ccbb14f38e Implement rotary embedding in flash_attn_with_kvcache 1 år sedan
  Tri Dao 56b7fc6ee0 Simplify the implementation of KVcache attn by appending KV first 1 år sedan
  Tri Dao 37c6e05406 Implement flash_attn_with_kvcache 1 år sedan
  Tri Dao 0c04943fa2 Require CUDA 11.6+, clean up setup.py 1 år sedan
  Tri Dao b1fbbd8337 Implement splitKV attention 1 år sedan