fullseye

attention_tiled — LLMCORE `attend` op

データ種: tokens × tokens × tokens → tokens
呼び出し: import fullseye as fs; fs.ledger.attention_tiled(query, key, value, tile: 'int' = 64, mask=None, window=None, scale=None) -> 'np.ndarray' (実装を直接呼ぶなら import llmcore; llmcore.attention_tiled(query, key, value, tile: 'int' = 64, mask=None, window=None, scale=None) -> 'np.ndarray'、台帳から引くなら opsllmcore.get("attention_tiled"))

使い方

タイル + online softmax の注意(FlashAttention の芯)→ tokens。近似ではない。

Dao ら 2022。key/value を tile 行ずつ読み、走っている最大値と分母をその場で補正しながら足す。作る中間行列は (T, tile) だけで、(T, T) を一度も作らない —— 速さの出どころは近似ではなく、置き場所。attention_softmax との相対差はタイル 128 枚でも 1.2e-15(タイル 1 枚で 8.2e-16 なので、枚数を 128 倍しても 1.5 倍)。

Args: query: (T, d) float。 key: (S, d) float。 value: (S, dv) float。 tile: 一度に読む key/value の行数。小さいほど中間行列が小さく、枚数が増える。 mask: None / "causal" / "window" / (T, S) の bool 配列。 window: mask="window" のときの窓幅。 scale: スコアの倍率。None なら 1/√d。 Returns: tokens (T, dv) float: attention_softmax と機械精度で一致する。

詳しい使い方ガイド

llmcore ファミリガイド

参考(サンプルデータ・文献)

サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

poc_attention_identities — py -3.11 examples/poc_attention_identities.py

型が繋がる次の op(`tokens` を入力に取れる)

rms_norm · rope_rotate · attention_scores · attention_apply · attention_softmax · attention_linear · attention_grouped · kv_cache_decode

同カテゴリ(`attend`)

attention_softmax · attention_linear · attention_grouped

Provenance: llmcore.py — LLMCORE operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。

This site is open source. Improve this page.