« Attention éclair » : différence entre les versions
m (Patrickdrouin a déplacé la page Flash Attention vers Attention éclair) |
m (Remplacement de texte : « ↵↵<small> » par « ==Sources== ») |
||
| (9 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
Pour économiser de la mémoire, l'attention éclair consiste à reprendre des étapes du calcul | Pour économiser de la mémoire, l'attention éclair consiste à reprendre des étapes du calcul de la fonction [[softmax]] en utilisant des astuces mathématiques au lieu de les mémoriser. | ||
== Compléments == | == Compléments == | ||
Les [[Réseau autoattentif|couches d'auto-attention]] permettent de comprendre les relations contextuelles entre les données d'entrée. Cependant, la consommation maximale de mémoire GPU pour les [[Réseau autoattentif|couches d'auto-attention]] augmente quadratiquement avec la longueur de la séquence d’entrée. Ainsi, l'[[Réseau autoattentif|algorithme d'auto-attention classique]] devient rapidement prohibitif en termes de mémoire pour les longs contextes d'entrée. | |||
Les couches d'auto-attention permettent de comprendre les relations contextuelles entre les données d'entrée. Cependant, la consommation maximale de mémoire GPU pour les couches d'auto-attention augmente quadratiquement avec la longueur de la séquence d’entrée. Ainsi, l'algorithme d'auto-attention classique devient rapidement prohibitif en termes de mémoire pour les longs contextes d'entrée. | |||
Afin de résoudre ce problème, Tri Dao et al. ont inventé en 2022 l'algorithme d'attention éclair dont le coût en mémoire n'augmente que linéairement avec la longueur de la séquence d'entrée. Évidemment, l’algorithme d’attention éclair est un peu plus lent. Cependant, l'attention-éclair est plus rapide en inférence que l'attention classique car elle réduit considérablement les accès mémoires plus lents du processeur graphique en se concentrant plutôt sur la mémoire vive statique (SRAM) qui est plus rapide. | |||
==Français== | ==Français== | ||
'''attention éclair''' | '''attention éclair''' | ||
'''attention flash''' <small>'' Calque de l'anglais''</small> | |||
==Anglais== | ==Anglais== | ||
'''flash | '''flash attention''' | ||
'''FlashAttention''' <small>'' Proposition originale de Tri Dao et al. (2022)''</small>==Sources== | |||
[https://arxiv.org/abs/2205.14135 Source : Tri Dao et al. (2022)] | |||
[https:// | [https://gordicaleksa.medium.com/eli5-flash-attention-5c44017022ad Source: Medium] | ||
[[Catégorie: | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
Dernière version du 27 janvier 2024 à 16:54
Définition
Pour économiser de la mémoire, l'attention éclair consiste à reprendre des étapes du calcul de la fonction softmax en utilisant des astuces mathématiques au lieu de les mémoriser.
Compléments
Les couches d'auto-attention permettent de comprendre les relations contextuelles entre les données d'entrée. Cependant, la consommation maximale de mémoire GPU pour les couches d'auto-attention augmente quadratiquement avec la longueur de la séquence d’entrée. Ainsi, l'algorithme d'auto-attention classique devient rapidement prohibitif en termes de mémoire pour les longs contextes d'entrée.
Afin de résoudre ce problème, Tri Dao et al. ont inventé en 2022 l'algorithme d'attention éclair dont le coût en mémoire n'augmente que linéairement avec la longueur de la séquence d'entrée. Évidemment, l’algorithme d’attention éclair est un peu plus lent. Cependant, l'attention-éclair est plus rapide en inférence que l'attention classique car elle réduit considérablement les accès mémoires plus lents du processeur graphique en se concentrant plutôt sur la mémoire vive statique (SRAM) qui est plus rapide.
Français
attention éclair
attention flash Calque de l'anglais
Anglais
flash attention
FlashAttention Proposition originale de Tri Dao et al. (2022)==Sources==
Contributeurs: Patrick Drouin, wiki
