flash attention的CUDA编程和二维线程块实现softmax

本文参考了链接添加链接描述

flash attention介绍

flash attention的介绍可以参考论文：FlashAttention: Fast and Memory-Efficient Exact Attention
with IO-Awareness，具体的数学公式参考下面这个图片：其中注意关于矩阵S有两个维度，softmax的操作维度是dim=1，用pytorch表示就是torch.softmax(S, dim=1)

对于flash attention来说，里面有两次矩阵乘法，对于这样的二维数组矩阵乘法，一般来说都会考虑使用二维线程块，但是我们之前实现的softmax都是以一维线程块来处理，其中专门用到了一个cub库的函数BlockReduce，经过本人测试，发现这个函数只能针对一维线程块做线程块内部的规约，不能用于二维线程块内部针对某个维度规约，因此在实现flash attention之前，我们需要编写一个二维线程块实现softmax的算法，其中注意BLOCK_DIM_x和BLOCK_DIM_y都必须要选取2的幂次方。

二维线程块实现softmax

之前我们实现一维线程块处理softmax的时候，参考链接