新PyTorch API：几行代码实现不同注意力变体，兼具FlashAttention性能和PyTorch灵活性

PyTorch团队发布FlexAttention，一种新API，旨在解决注意力机制在灵活性与效率间的平衡难题。该API允许用户轻松实现多种注意力变体，通过torch.compile降低至FlashAttention内核，实现了高性能且低内存消耗的目标。FlexAttention在不同应用场景下表现优秀，接近甚至超越了传统方法。
来源：https://mp.weixin.qq.com/s/8uoZZf4hNSLQYLKFr95jTw