斯坦福博士提出超快省显存Attention，GPT2训练速度

　　白交发自凹非寺
　　量子位公众号QbitAI
　　Flashisallyouneed！
　　最近，一个超快且省内存的注意力算法FlashAttention火了。
　　通过感知显存读取写入，FlashAttention的运行速度比PyTorch标准Attention快了24倍，所需内存也仅是其520。
　　而它的表现还不止于此。训练BERT速度相较于MLPerf训练记录提升15；训练GPT2的速度提高3。5倍；训练Transformer的速度比现有基线快。
　　网友们纷纷表示惊叹：GreatJob！这项工作对我来说很有用。
　　来看看这是一项什么样的研究FlashAttention
　　本文提出了一种IO感知精确注意力算法。
　　随着Transformer变得越来越大、越来越深，但它在长序列上仍然处理的很慢、且耗费内存。（自注意力时间和显存复杂度与序列长度成二次方）
　　现有近似注意力方法，在试图通过去牺牲模型质量，以降低计算复杂度来解决该问题。
　　但存在一定的局限性，即不能提升运行时的训练速度。
　　研究者认为，应该让注意力算法具有IO感知，即考虑显存级间的读写，比如大但慢的HBM（HighBandwidthMemory）技术与小但快的SRAM。
　　基于这样的背景，研究人员提出了FlashAttention，具体有两种加速技术：按块递增计算即平铺、并在后向传递中重新计算注意力，将所有注意力操作融合到CUDA内核中。
　　FlashAttention使用平铺来防止大的注意力矩阵（虚线框）在GPUHBM上物化（materialization）。在外部循环中（红色箭头），FlashAttention循环通过K和V矩阵的块，并将其加载到SRAM。
　　在每个区块中，FlashAttention循环Q矩阵的区块（蓝色箭头）将其加载到SRAM，并将注意力计算的输出写回HBM。
　　这样就产生了一种注意力算法，在实际耗时（wallclocktime）内，其内存效率和速度都很高，相比于标准的注意力算法可以更少地访问HBM。
　　结果比现有注意力算法都快
　　研究人员评估了FlashAttention来训练Transformer的影响，包括训练时间、模型准确性，以及注意力运行时间和内存效率。
　　首先在训练速度上。FlashAttention比MLPerf1。1的BERT速度记录高出15。
　　在实现GPT2上，比HuggingFace速度高出3倍，比Megatron的标准Transformer速度高出1。8倍，FlashAttention将LRA（longrangearena）的基准速度提高了2。4倍。
　　在模型质量，FlashAttention将Transformer扩展到更长的序列，并且质量更好。
　　长上下文的语言建模。
　　如图所示，使用FlashAttention可以让GPT2上下文长度增加4倍的情况下，训练时间还比MegatronLM优化实现快30，同时也获得了0。7的困惑度（困惑度越低，说明语言模型越好）。
　　长文档分类
　　对较长序列的Transformer训练可以提高MIMICIII和ECtHR数据集的性能，比如序列长度为16K在MIMIC上比长度512多出4。3分。
　　MIMICIII：包含重症监护室病人的出院总结，每个都有多个标签注释；ECtHR：包含欧洲人权法案的法律案件；两个数据集都包含很长的文本文件。
　　此外，还完成了第一个能在PathX和Path256任务中实现非随机性能的Transformer模型。
　　之后，研究人员还完成了基准测试，测量FlashAttention和块状稀疏（BlockSparse）FlashAttention的运行时间和内存性能，并与带有40GBHBM的A100GPU上的各种注意力基线进行了比较。
　　结果显示，FlashAttention的运行时间，比PyTorch注意力实现快3倍；在短序列情况下，FlashAttention在短序列中仍比近似和稀疏注意力运行得快；至于块状稀疏的FlashAttention，在所有的序列长度上都比现有注意力实现都快。
　　至于在显存效率方面，FlashAttention比PyTorch注意力基线高20倍。
　　在64k序列长度、其他所有算法都已经耗尽显存的情况下，FlashAttention的效率仍比Linformer高2倍。斯坦福博士一作
　　这篇研究来自斯坦福大学计算机系以及纽约州立大学布法罗分校。共同一作是两位斯坦福计算机博士生TriDao和DanFu。
　　感兴趣的朋友，可戳下方论文链接了解更多
　　论文链接：
　　https：arxiv。orgabs2205。14135
　　GitHub链接：
　　https：github。comHazyResearchflashattention
　　参考链接：
　　https：twitter。comtridaostatus1531437619791290369
　　完
　　量子位QbitAI头条号签约
　　关注我们，第一时间获知前沿科技动态