ringattention - 创新注意力机制大幅提升Transformer上下文处理能力

GPU/TPU Jax实现的环形注意力机制

本代码库提供了带有块状变换器的环形注意力机制的实现。该模型在论文《使用块状变换器的环形注意力机制实现近乎无限的上下文》和《用于大上下文模型的块状并行变换器》中有所描述。

带有块状并行变换器的环形注意力机制使得训练序列长度可以达到"设备数量"倍于BPT可能实现的长度。这是通过在多个设备上分配注意力和前馈计算，并将通信与计算重叠来实现的。由于注意力和前馈网络的块状计算，可以在不增加任何通信或计算开销的情况下，使用数千万个标记作为上下文大小进行训练。

示例用法及代码片段

首先，安装软件包：

pip install ringattention

然后，可以按如下方式导入和使用ringattention和blockwise_feedforward：

from ringattention import ringattention, blockwise_feedforward

您可以通过将ringattention函数包装在shard_map中来跨多个设备分片计算。以下是如何使用带分片的ringattention函数的示例：

ring_attention_sharded = shard_map(
    partial(
        ringattention,
        axis_name="sp",
        float32_logits=True,
        cache_idx=None,
        blockwise_kwargs=dict(
            causal_block_size=1,
            deterministic=True,
            dropout_rng=None,
            attn_pdrop=0.0,
            query_chunk_size=512,
            key_chunk_size=512,
            policy=jax.checkpoint_policies.nothing_saveable,
            dtype=jax.numpy.float32,
            precision=None,
            prevent_cse=True,
        )
    ),
    mesh=LLaMAConfig.get_jax_mesh(self.config.mesh_dim),
    in_specs=(
        PS(("dp", "fsdp"), "sp", "tp", None),
        PS(("dp", "fsdp"), "sp", "tp", None),
        PS(("dp", "fsdp"), "sp", "tp", None),
        PS(("dp", "fsdp"), None, None, None),
        PS(("dp", "fsdp"), None),
    ),
    out_specs=PS(("dp", "fsdp"), "sp", "tp", None),
    check_rep=False
)
attn_output = ring_attention_sharded(xq, xk, xv, attention_bias, segment_ids)

参数说明：

query_chunk_size和key_chunk_size是查询和键的块大小。选择尽可能大的值以加速计算，直到内存不足为止。
policy是注意力权重的检查点策略，使用jax.checkpoint_policies.nothing_saveable来启用检查点。
causal_block_size是块因果注意力的块大小。causal_block_size=1等同于因果注意力。
cache_idx是推理时的缓存索引。如果cache_idx不为None，注意力权重将被缓存并在下一次推理中重复使用。

环形注意力机制在大世界模型（LWM）中用于百万长度的视觉语言训练，在那里可以找到使用环形注意力和块状变换器的完整示例：LWM代码库

参考文献

如果您觉得我们的工作与您的研究相关，请引用：

@article{liu2023blockwise,
    title={Blockwise Parallel Transformer for Large Context Models},
    author={Liu, Hao and Abbeel, Pieter},
    journal={Advances in neural information processing systems},
    year={2023}
}

@article{liu2023ring,
    title={Ring Attention with Blockwise Transformers for Near-Infinite Context},
    author={Liu, Hao and Zaharia, Matei and Abbeel, Pieter},
    journal={arXiv preprint arXiv:2310.01889},
    year={2023}
}