sgl-project/sglang

[Kernel] cuDNN attention backend

Open

#2.272 geöffnet am 30. Nov. 2024

Auf GitHub ansehen
 (5 Kommentare) (1 Reaktion) (2 zugewiesene Personen)Python (6.216 Forks)auto 404
enhancementgood first issuehelp wantedhigh priorityinactive

Repository-Metriken

Stars
 (28.442 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 2T 1h) (1.000 gemergte PRs in 30 T)

Beschreibung

cuDNN provides very fast attention implementation and it is well maintained by NVIDIA. We would like to add a new attention backend based on cudnn.

Steps

  1. Learn this cudnn paged attention python api. https://github.com/NVIDIA/cudnn-frontend/blob/v1.8.0/samples/python/52_scaled_dot_product_attention_with_paged_caches.ipynb
  2. Add a new attention backend "cudnn" here https://github.com/sgl-project/sglang/tree/main/python/sglang/srt/layers/attention
  3. We should be able to use it with python3 -m sglang.launch_server --model meta-llama/Llama-3.1-8B-Instruct --attention-backend cudnn

Contributor Guide

Research-Richtung
Untersuche die vorhandenen Attention Backends in sglang/srt/layers/attention, verstehe die Schnittstelle und erkunde die in Schritt 1 verlinkte cuDNN Paged Attention Python API. Implementiere dann ein neues Backend nach dem Muster der vorhandenen Backends.
Tech Stack
python
Domain
backendmachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonCUDAcuDNN
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60