网站首页 文章专栏 全面兼容 PyTorch 2.2.0,摩尔线程 Torch-MUSA 插件获推 v1.3.0 版本升级
全面兼容 PyTorch 2.2.0,摩尔线程 Torch-MUSA 插件获推 v1.3.0 版本升级
发布 作者:归泷(实习) 浏览量:0
10 月 31 日消息,摩尔线程今日发文宣布针对 PyTorch 深度学习框架的 MUSA 插件 ——Torch-MUSA 迎来更新,新版本 v1.3.0 全面兼容 PyTorch 2.2.0,进一步提升 PyTorch 在 MUSA 架构上的模型性能与覆盖度,并支持模型迁移到国产全功能 GPU。

10 月 31 日消息,摩尔线程今日发文宣布针对 PyTorch 深度学习框架的 MUSA 插件 ——Torch-MUSA 迎来更新,新版本 v1.3.0 全面兼容 PyTorch 2.2.0,进一步提升 PyTorch 在 MUSA 架构上的模型性能与覆盖度,并支持模型迁移到国产全功能 GPU**。**

据介绍,PyTorch 作为全球广泛使用的深度学习框架,已应用在了自然语言处理、计算机视觉、推荐系统等多个领域。摩尔线程所推出的 Torch-MUSA,专为 PyTorch 提供 MUSA 后端加速支持,用户可在 MUSA 架构上流畅运行深度学习模型,发挥国产全功能 GPU 的计算能力。

据IT之家此前报道,PyTorch 旗下架构优化库 torchao 已于本月正式发布,该优化库主要专注于模型的量化和稀疏性优化,能够在保证性能的同时降低模型的计算成本和 RAM 用量,从而提升模型运行效率。

摩尔线程官方表示,Torch-MUSA 自发布以来,已历经多个版本的迭代。Torch-MUSA 从 v1.0.0 版本开始就支持了 PyTorch 2.0,经过开发与优化,最新发布的 v1.3.0 版本已全面支持 PyTorch 2.2.0。

IT之家附摩尔线程 Torch-MUSA 重点内容如下:

功能特性

  • 在 Torch-MUSA 中,用户只需指定 torch.device ("musa"),即可将现有的 PyTorch 模型迁移到 MUSA 架构的 GPU 上运行,无需大幅修改代码。
  • Torch-MUSA 完全兼容 PyTorch 的自动微分和动态图机制,支持多种常用的神经网络模块及优化算法,并加速了关键深度学习算子的计算。
  • 此外,Torch-MUSA 还支持多种 PyTorch 特性,包括 DDP、JIT、FSDP、Profiler、Extension 等。

版本迭代

  • v1.1.0:初次发布,支持 PyTorch 2.0,提供基础张量操作和常见神经网络层的 MUSA 加速。
  • v1.2.0:进一步扩展算子支持,支持了完整功能的 Profiler、MUSA Extension,并增加了 Torch-MUSA 专有特性如 compare_tool、musa_converter,帮助用户更快的定位模型精度问题。
  • v1.3.0:支持 PyTorch 2.2.0,性能进一步提升,支持 FSDP,支持更复杂的模型和更大规模的数据处理。

未来计划

  • Torch-MUSA 将继续跟进 PyTorch 的版本更新,计划支持更高版本的 PyTorch。
loading