ภาพรวม
FlashAttention เป็นอัลกอริธึมประสิทธิภาพของหน่วยความจำที่คำนวณความสนใจเดียวกันกับหม้อแปลงมาตรฐาน แต่ไม่เคยเขียนเมทริกซ์ความสนใจขนาดยักษ์เพื่อทำให้หน่วยความจำ GPU ช้าลง ทำให้การฝึกอบรมและการอนุมานแบบบริบทยาวเร็วขึ้นและถูกกว่ามาก
FlashAttention เป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด
เจาะลึก
ความสนใจมาตรฐานจะคำนวณคะแนนสำหรับโทเค็นทุกคู่ ทำให้เกิดเมทริกซ์แบบ N-by-N สำหรับลำดับโทเค็น 4,000 โทเค็นซึ่งเท่ากับ 16 ล้านคะแนน และต้องเขียนเมทริกซ์และอ่านกลับจากหน่วยความจำแบนด์วิธสูง (HBM) ของ GPU ปริมาณการใช้หน่วยความจำนั้น ไม่ใช่คณิตศาสตร์ ถือเป็นคอขวดที่แท้จริง FlashAttention ซึ่ง Tri Dao และเพื่อนร่วมงานเปิดตัวในปี 2022 ได้ปรับโครงสร้างการคำนวณใหม่เพื่อไม่ให้เมทริกซ์ปรากฏอย่างสมบูรณ์ โดยจะประมวลผลลำดับในไทล์ที่พอดีกับ SRAM บนชิปที่เล็กและเร็วเป็นพิเศษของ GPU โดยจะคำนวณ softmax เพิ่มขึ้นเรื่อยๆ ผลลัพธ์จะเหมือนกันทางคณิตศาสตร์กับความสนใจมาตรฐาน แต่ใช้หน่วยความจำน้อยกว่ามากและทำงานเร็วกว่าหลายเท่า ทำให้เปิดใช้งานหน้าต่างบริบทที่ยาวกว่ามาก
ข้อมูลเชิงลึกทางเทคนิค
เคล็ดลับคือ 'softmax ออนไลน์' รวมกับการปูกระเบื้อง FlashAttention โหลดบล็อกเล็กๆ ของการสืบค้น คีย์ และค่าลงใน SRAM คำนวณเอาต์พุตความสนใจบางส่วน และลดขนาดผลรวมที่กำลังดำเนินการอยู่เมื่อบล็อกใหม่มาถึง เพื่อให้การปรับมาตรฐาน softmax ยังคงถูกต้องโดยไม่ต้องดูคะแนนทั้งหมดในคราวเดียว เนื่องจากไม่เคยจัดเก็บเมทริกซ์ N-by-N เต็มรูปแบบไว้ใน HBM หน่วยความจำจึงปรับขนาดเชิงเส้นแทนที่จะเป็นกำลังสอง และเคอร์เนลจะถูกรวมเข้ากับการทำงานของ GPU เดียวเพื่อลดการอ่านและเขียนหน่วยความจำที่ช้า
การเรียนรู้ FlashAttention
FlashAttention เป็นอัลกอริธึมประสิทธิภาพของหน่วยความจำที่คำนวณความสนใจเดียวกันกับหม้อแปลงมาตรฐาน แต่ไม่เคยเขียนเมทริกซ์ความสนใจขนาดยักษ์เพื่อทำให้หน่วยความจำ GPU ช้าลง ทำให้การฝึกอบรมและการอนุมานแบบบริบทยาวเร็วขึ้นและถูกกว่ามาก FlashAttention เป็นส่วนหนึ่งของสแต็กภาษา-AI ที่ใช้ในการอ่าน สร้าง จำแนก และแปลงข้อความและคำพูดตามขนาด หากต้องการสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า FlashAttention เป็นเพียงโมเดลการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งใช้พรอมต์การออกแบบ FlashAttention การดึงข้อมูล และลูปตรวจสอบเป็นระบบการสื่อสารแบบรวมระบบเดียว โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ ในขณะเดียวกัน ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ
ขั้นตอนการทำงานของภาษาสามารถดำเนินไปได้เร็วขึ้นโดยไม่กระทบต่อความสม่ำเสมอ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร
ขยายการเข้าถึงภาษาและรูปแบบการสื่อสาร ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ
ทีมสามารถใช้เวลามากขึ้นในการตัดสิน ในขณะที่ระบบอัตโนมัติจัดการกับการทำซ้ำ ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
ฝึกฝนโมเดลภาษาขนาดใหญ่ เช่น Llama และระบบแบบ GPT ได้เร็วขึ้นและลดต้นทุน GPU
ให้บริการผู้ช่วยแชทในบริบทขนาดยาวที่นำเข้าหนังสือหรือโค้ดเบสทั้งเล่มโดยที่หน่วยความจำไม่หมด
เร่งความเร็วไปป์ไลน์การสรุปเอกสารที่ประมวลผลโทเค็นนับหมื่นในคราวเดียว
ขับเคลื่อนวิชันซิสเต็มและหม้อแปลงหลายรูปแบบ โดยที่การแพตช์รูปภาพที่ต่อเนื่องยาวนานทำให้ความสนใจมีราคาแพง
รูปแบบการดำเนินงาน
Flashความสนใจในทางปฏิบัติ
ฝึกฝนโมเดลภาษาขนาดใหญ่ เช่น Llama และระบบแบบ GPT ได้เร็วขึ้นและลดต้นทุน GPU
การฝึกอบรมโมเดลภาษาขนาดใหญ่ เช่น Llama และระบบสไตล์ GPT เร็วขึ้นและด้วยต้นทุน GPU ที่ต่ำกว่า ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
Flashความสนใจในทางปฏิบัติ
ให้บริการผู้ช่วยแชทในบริบทขนาดยาวที่นำเข้าหนังสือหรือโค้ดเบสทั้งเล่มโดยที่หน่วยความจำไม่หมด
การให้บริการผู้ช่วยแชทในบริบทแบบยาวที่นำเข้าหนังสือหรือโค้ดเบสทั้งหมดโดยที่หน่วยความจำไม่เพียงพอ ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
Flashความสนใจในทางปฏิบัติ
เร่งความเร็วไปป์ไลน์การสรุปเอกสารที่ประมวลผลโทเค็นนับหมื่นในคราวเดียว
การเร่งความเร็วไปป์ไลน์การสรุปเอกสารที่ประมวลผลโทเค็นนับหมื่นในคราวเดียว ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
Flashความสนใจในทางปฏิบัติ
ขับเคลื่อนวิชันซิสเต็มและหม้อแปลงหลายรูปแบบ โดยที่การแพตช์รูปภาพที่ต่อเนื่องยาวนานทำให้ความสนใจมีราคาแพง
ขับเคลื่อนวิสัยทัศน์และหม้อแปลงหลายรูปแบบโดยที่การแพตช์รูปภาพที่ต่อเนื่องกันยาวนานทำให้ความสนใจมีราคาแพง ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการทำงานที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
ข้อเท็จจริงที่หลอนประสาทสามารถเข้าสู่รายงาน กระแสสนับสนุน หรือผลการวิจัยได้อย่างเงียบๆ
ความละเอียดอ่อนของการแจ้งเตือนสามารถสร้างผลลัพธ์ที่ไม่สอดคล้องกันในคำขอที่คล้ายกัน
ข้อมูลข้อความที่ละเอียดอ่อนอาจถูกเปิดเผยหากการควบคุมการเข้าถึงอ่อนแอ
แผนงานการดำเนินงาน
กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว
กำหนดรูปแบบเอาต์พุต โทนเสียง และมาตรฐานคุณภาพก่อนเปิดตัว ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ
การตอบสนองภาคพื้นดินกับแหล่งข้อมูลที่เชื่อถือได้เมื่อใดก็ตามที่ความแม่นยำมีความสำคัญ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง
รักษาจุดตรวจสอบการตรวจสอบโดยมนุษย์สำหรับผลลัพธ์ที่มีเดิมพันสูง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ
ติดตามรูปแบบความล้มเหลวและฝึกอบรมพร้อมท์หรือเวิร์กโฟลว์เป็นประจำ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น