翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
FlashAttention のサポート
Support FlashAttention は、モデルparallel smp.DistributedModel()
FlashAttentionattention_head_size
ライブラリは、が 8 の倍数で 128 未満の値に設定されているモデルのみをサポートします。そのため、 FlashAttention 分散型トランスフォーマーをトレーニングして正しく動作することを確認したら、アテンションヘッドのサイズが要件を満たすようにパラメーターを調整する必要があります。詳細については、「FlashAttention GitHubリポジトリ内のインストールと機能
例えば、hidden_width=864
と num_heads=48
を使用して Transformer モデルを設定すると仮定します。 FlashAttention のヘッドサイズは次のように計算されますattention_head_size = hidden_width / num_heads = 864 / 48 = 18
。有効にするには FlashAttention、num_heads
パラメータを 8 attention_head_size = hidden_width / num_heads = 864
/ 54 = 16
の倍数になるように調整する必要があります。54