flashinfer.testing.attention_tb_per_sec

flashinfer.testing.attention_tb_per_sec(batch_size, qo_seqlen, kv_seqlen, head_dim_qk, head_dim_vo, num_qo_heads, num_kv_heads, time, q_dtype=torch.bfloat16, kv_dtype=torch.bfloat16, o_dtype=torch.bfloat16)

计算给定注意力层实现的每秒 TB 性能。假设批处理中所有序列长度相同。

参数:

• batch_size (int) – 批大小。

• qo_seqlen (int) – 查询的序列长度。

• kv_seqlen (int) – 键和值的序列长度。

• head_dim_qk (int) – 查询和键的头部维度。

• head_dim_vo (int) – 值的头部维度。

• num_qo_heads (int) – 查询头数。

• num_kv_heads (int) – 键和值的头数。

• time (float) – 毫秒级的执行时间。

• q_dtype (torch.dtype) – 查询的数据类型。

• kv_dtype (torch.dtype) – 键和值的数据类型。

• o_dtype (torch.dtype) – 输出的数据类型。

返回值:

该层的每秒 TB 数。

返回值类型:

tb_per_sec (float)