Flash Attention
Flash Attention 2 通过优化内存访问模式,为 transformer 训练提供显著的加速。要求
快速开始
Python API
参数
注意力实现选项
模型兼容性
支持的模型
与量化结合
将 Flash Attention 与量化结合以获得最大效率:与序列打包结合
Flash Attention 支持高效的序列打包:序列打包需要启用 Flash Attention。
性能优势
结果因模型大小、序列长度和硬件而异。
故障排除
安装错误
如果pip install flash-attn 失败:
运行时错误
“Flash Attention 不可用”- 验证 flash-attn 已安装:
python -c "import flash_attn" - 确保您在 Linux 上且支持 CUDA
- 检查 GPU 计算能力(需要 SM 80+,例如 A100、H100)
- 某些模型(如 Gemma)强制使用 eager 注意力
- 检查模型文档以了解兼容性
下一步
Quantization
与内存优化结合
LoRA/PEFT
高效微调