FastSoftMaxOperation
功能
将unpad处理后的Q矩阵和K矩阵相乘的结果做Softmax处理。当前只支持Atlas 800I A2推理产品。
约束
qSeqLen数组长度不超过32，且要求各元素大于0。
定义
struct FastSoftMaxParam {
int32_t headNum = 0;
std::vector<int32_t> qSeqLen;
};
成员
成员名称 |
描述 |
|---|---|
headNum |
Attention的head数量。 |
qSeqLen |
每个batch的实际输入长度。元素个数为batchSize，最大不超过32。 |
输入
参数 |
维度 |
数据类型 |
格式 |
描述 |
|---|---|---|---|---|
input |
[nSquareTokens] |
float16 |
ND |
输入向量，随机tensor。 |
输出
参数 |
维度 |
数据类型 |
格式 |
描述 |
|---|---|---|---|---|
output |
[nSquareTokens] |
float16 |
ND |
结果向量，范围在[0, 1]的概率tensor。 |