![](https://cdn-ak-scissors.b.st-hatena.com/image/square/910c856c40b9b6ce7c0c7ba11580787b047f9936/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwam92eWFuJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzImdHh0LWFsaWduPWxlZnQlMkN0b3Amcz1iMjE4MGU5NjA4YzdkYjBmYzQ2ZmRlZWU2NzIyNjYyZQ%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D78074f5c22b638f89657b070d3145cb3)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【続】Flash Attentionを使ってLLMの推論を高速・軽量化できるか? - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【続】Flash Attentionを使ってLLMの推論を高速・軽量化できるか? - Qiita
はじめに 前回の記事 Flash Attentionを使ってLLMの推論を高速・軽量化できるか? では、Optimumライブ... はじめに 前回の記事 Flash Attentionを使ってLLMの推論を高速・軽量化できるか? では、OptimumライブラリのBetter Transformerの機能を利用してHugging Face形式のモデルでFlash Attentionを使う方法を紹介しました。 日本語LLM (ELYZA-japanese-Llama-2-7b) の推論をFlash Attentionで高速・軽量化できるかを実験したのですが、LLMの推論を高速・軽量化する別の手法のkey-value cacheの方が効果的であり、一緒に使うとFlash Attentionの効果は見えなくなるという少し残念な結果でした。 その後、X(旧Twitter)で、Hugging Face Transformersから直接、公式実装のFlash Attention2を簡単に使えるようなったという情報を見かけたので早速試