PyTorch全新API：几行代码实现不同注意力变体！兼具FlashAttention性能

文章预览

前言   用 FlexAttention 尝试一种新的注意力模式。 来源： 机器之心 仅用于学术分享，若侵权请联系删除 理论上，注意力机制就是你所需要的一切。然而在实际操作中，我们还需要优化像  FlashAttention  这样的注意力机制的实现。 尽管这些融合的注意力机制大大提高了性能，且支持长上下文，但这种效率的提升也伴随着灵活性的丧失。对于机器学习研究人员来说，这就像是一种「软件彩票」—— 如果你的注意力变体不适合现有的优化内核，你将面临运行缓慢和 CUDA 内存不足的困境。  一些注意力变体包括因果注意力、相对位置嵌入、Alibi、滑动窗口注意力、PrefixLM、文档掩码、不规则张量、 PagedAttention  等。更糟糕的是，人们通常希望将这些变体组合在一起！比如滑动窗口注意力 + 文档掩码 + 因果注意力 + 上下文并行，又比如 PagedAttention + 滑动窗口 ………………………………