Acasă Explorează Ajutor
Înregistrare Autentificare
david
/
flash-attention
oglindă de https://github.com/Dao-AILab/flash-attention
1
0
Bifurcare 0
Fisiere Probleme 0 Wiki
Ramură: main
Ramuri Etichete
flash-attention
/
csrc
/
ft_attention
sclarkson 1feb711f46 Fix compilation with clang on ARM64 (#1285) 1 săptămână în urmă
..
README.md dfe29f5e2b [Gen] Don't use ft_attention, use flash_attn_with_kvcache instead 1 an în urmă
cuda_bf16_fallbacks.cuh a01d1213d7 [Gen] Add kernel from FasterTransformer for benchmarking 1 an în urmă
cuda_bf16_wrapper.h a01d1213d7 [Gen] Add kernel from FasterTransformer for benchmarking 1 an în urmă
decoder_masked_multihead_attention.cu c3f2a632aa [ft_attention] Fix for seqlen=8136 (#488) 1 an în urmă
decoder_masked_multihead_attention.h a157cc8c9b [FT] Implement MQA/GQA 1 an în urmă
decoder_masked_multihead_attention_template.hpp a157cc8c9b [FT] Implement MQA/GQA 1 an în urmă
decoder_masked_multihead_attention_utils.h 3a9bfd076f [FT] rotary_cos/sin should have shape (dim) instead of (seqlen, dim) 1 an în urmă
ft_attention.cpp 1feb711f46 Fix compilation with clang on ARM64 (#1285) 1 săptămână în urmă
setup.py 50896ec574 Make nvcc threads configurable via environment variable (#885) 9 luni în urmă

README.md

Attention kernel from FasterTransformer

This CUDA extension wraps the single-query attention kernel from FasterTransformer v5.2.1 for benchmarking purpose.

cd csrc/ft_attention && pip install .

As of 2023-09-17, this extension is no longer used in the FlashAttention repo. FlashAttention now has implemented flash_attn_with_kvcache with all the features of this ft_attention kernel (and more).