【Inference】Optimize top_p kernel performance

[gzy19990617]

PR types

New features

PR changes

APIs

Description

• 新增paddlenlp下top_p_sampling_reject算子，采用reject sampling进行采样，避免显式排序。

• 静态图可正确输出：

• 本地仅对该算子与paddle.tensor.top_p_sampling算子进行对比测试，性能可提升多倍

• 具体步骤如下：

1. 初始设置：
   • 初始化 pivot 为0。
   • 初始化累积概率 aggregate_gt_pivot 为 0。
2. 并行计算累积概率：
   • 并行计算大于 pivot 的概率，并将结果存储在共享内存中。
3. 更新 pivot：
   • 找到第一个大于随机样本 u (会初始化一个随机分布)的概率位置 sampled_id，更新 pivot 为 probs[sampled_id]。
   • 例如，假设随机样本 u = 0.5，找到第一个大于 u 的概率位置 sampled_id = 0，更新 pivot 为 probs[0] = 0.35。
4. 重新计算累积概率：
   • 重新计算大于新 pivot 的概率，并更新累积概率 aggregate_gt_pivot。
   • 例如，新 pivot 为 0.35 时，累积概率为 0.25 + 0.20 + 0.10 + 0.05 + 0.05 = 0.65。
5. 判断是否满足条件：
   • 如果累积概率小于阈值 p，则继续更新 pivot 并重新计算累积概率。
   • 否则，跳出循环，进行采样。

[paddle-bot]

Thanks for your contribution!

[codecov]

Codecov Report

Attention: Patch coverage is 0% with 10 lines in your changes missing coverage. Please review.

Project coverage is 53.25%. Comparing base (d3302c5) to head (2633f4e).
Report is 19 commits behind head on develop.

Files with missing lines	Patch %	Lines
...enlp/experimental/transformers/generation_utils.py	0.00%	10 Missing ⚠️

Additional details and impacted files

@@             Coverage Diff             @@
##           develop    #9132      +/-   ##
===========================================
- Coverage    53.32%   53.25%   -0.07%     
===========================================
  Files          652      652              
  Lines       105436   105595     +159     
===========================================
+ Hits         56222    56237      +15     
- Misses       49214    49358     +144     

☔ View full report in Codecov by Sentry.
📢 Have feedback on the report? Share it here.

[qingqing01]

后续需要增加使用文档。