编译不需要的GPU架构 | AI生成和翻译
以下是完整情况：
并行性：
- nvcc
--threads 4— 同时为4种架构编译 - 4个cicc进程，每个CPU占用约100%，内存约650MB
- 32个核心可用，平均负载2.90 — 有充足的余量
问题 — 为所有架构编译：
构建过程忽略了TORCH_CUDA_ARCH_LIST="8.9"。flash-attn的构建系统硬编码了4个目标：
-gencode arch=compute_80,code=sm_80 ← H100（对你来说是浪费）
-gencode arch=compute_90,code=sm_90 ← Ada（浪费）
-gencode arch=compute_100,code=sm_100 ← Blackwell（浪费）
-gencode arch=compute_120,code=sm_120 ←（浪费）
你的RTX 4070是sm_89，这些没有一个完全匹配。它正在编译大约所需4倍的内核。
当前内核： flash_bwd_hdim32_fp16_causal_sm80 — 仍然在反向传播的早期阶段。
资源： 良好 — 53GB可用内存，34GB可用磁盘。
需要我终止这个进程，并用MAX_JOBS=8 FLASH_ATTN_CUDA_ARCHS="8.9"环境变量（flash-attn的setup确实会遵守这个变量）重新启动，以将速度提升4倍吗？还是让它继续运行？