rwkv-ops 0.1.0

No project description provided

English Document

RWKV OPS 项目

由于 RWKV 将持续迭代，核心算子会随之更新。
本仓专门维护「算子」本身，不维护 layer 与 model；尽可能提供各框架的 GPU 算子。
目前：
• GPU 算子：PyTorch、JAX（TensorFlow 待 Google 支持 Triton 后上线）
• 原生算子：PyTorch、JAX、TensorFlow、NumPy
未来若 Keras 生态扩展，可能支持 MLX、OpenVINO。
注意：本库依赖 keras。

---

环境变量

变量名	含义	取值	默认值	优先级
KERAS_BACKEND	Keras 后端	jax / torch / tensorflow / numpy	—	低
KERNEL_BACKEND	算子后端	jax / torch / tensorflow / numpy	torch	高
KERNEL_TYPE	实现类型	triton / cuda / native	—	—

若 KERNEL_BACKEND 有值，直接采用；若为空，则用 KERAS_BACKEND；两者皆空则默认 torch。
native 为原生算子，无 chunkwise，速度慢且显存高。

---

rwkv7op 使用方法

from rwkv_ops import generalized_delta_rule  # 或 from rwkv_ops import rwkv7_op，完全等价

def generalized_delta_rule(
    r,
    w,
    k,
    v,
    a,
    b,
    initial_state=None,
    output_final_state: bool = True,
    head_first: bool = False,
):
    """
    分块 Delta Rule 注意力接口。

    Args:
        q:  [B, T, H, K]
        k:  [B, T, H, K]
        v:  [B, T, H, V]
        a:  [B, T, H, K]
        b:  [B, T, H, K]
        gk: [B, T, H, K]  # decay term in log space!
        initial_state: 初始状态 [N, H, K, V]，N 为序列数
        output_final_state: 是否返回最终状态
        head_first: 是否 head-first 格式，不支持变长

    Returns:
        o:           输出 [B, T, H, V] 或 [B, H, T, V]
        final_state: 最终状态 [N, H, K, V] 或 None
    """

---

torch-cuda下head-size也是一个kernel参数，默认是64. 若 head-size ≠ 64，请使用：

from rwkv_ops import get_generalized_delta_rule

generalized_delta_rule, RWKV7_USE_KERNEL = get_generalized_delta_rule(
    your_head_size, KERNEL_TYPE="cuda"
)

RWKV7_USE_KERNEL 为常量，标记是否使用 chunkwise 算子； 因为两者padding 处理逻辑不同，具体如下

if padding_mask is not None:
    if RWKV7_USE_KERNEL:
        w += (1 - padding_mask) * -1e9
    else:
        w = w * padding_mask + 1 - padding_mask

---

rwkv7op的实现状态

Framework	cuda	triton	native
PyTorch	✅	✅	✅
JAX	❌	✅	✅
TensorFlow	❌	❌	✅
NumPy	❌	❌	✅