PyTorch 性能分析（第 3 部分）：聚焦注意力机制

PyTorch 性能分析系列第 3 部分聚焦注意力机制，通过性能追踪对比不同实现的算子与 GPU 内核执行情况。朴素实现的追踪显示，因果掩码操作会引入额外内存复制；将 `masked_fill` 改为原地操作 `masked_fill_` 后，每次前向传播可减少一个内核。