כתבה
arXiv cs.LG ·
סכומי גאוס מהירים באמצעות Flash Attention
Fast Gauss Sums via Flash Attention
סכומי גאוס הם ליבת החישוב של מספר שיטות, כולל MMDs ו-SVGD. Flash Attention מאפשרת חישוב סכומי גאוס במהירות, תוך שימוש באוגמנטציות קטנות. גישה זו מוכיחה עצמה כמהירה ומדויקת יותר מקוד PyTorch מהיר וגרעיני PyKeOps.
תקציר מקורי באנגליתarXiv:2609.04910v1 Announce Type: new Abstract: Gaussian kernel sums are the computational core of maximum mean discrepancies (MMDs), kernel gradient flows, Stein variational gradient descent (SVGD), and many other kernel methods. At the same time, softmax attention has received an extraordinary amount of hardware-aware code engineering, culminating in flash attention. We show that Gauss kernel sums with arbitrary, signed weights can be evaluated via flash attention: two small input augmentations turn the normalized softmax reduction into the unnormalized Gauss sum, without writing a single line of custom GPU code. For feature dimension D>8 in fp16, this approach beats compiled PyTorch code as well as PyKeOps kernels (often significantly) in speed, memory-overhead and accuracy. Indeed, its
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית