1. 产品
    • 融合智算中心
    • 系统与设备
    • 全功能 GPU / 显卡
    • 软件
    • 应用与服务
  2. 解决方案
    • 人工智能
    • 云与数据中心
  3. 体验中心
  4. 驱动下载
  5. 服务与支持
  6. 开发者
  7. 公司信息
  8. language EN

全面兼容 PyTorch 2.2.0,摩尔线程发布 Torch-MUSA v1.3.0 版本

近日,摩尔线程宣布针对PyTorch深度学习框架的MUSA插件——Torch-MUSA迎来重大更新,新版本v1.3.0全面兼容PyTorch 2.2.0,进一步提升了PyTorch在MUSA架构上的模型性能与覆盖度,并能更友好支持模型迁移到国产全功能GPU。

 

PyTorch作为全球广泛使用的深度学习框架,已在自然语言处理、计算机视觉、推荐系统等多个领域展现出强大的应用能力。摩尔线程推出的Torch-MUSA,专为PyTorch提供MUSA后端加速支持,使得用户能够在MUSA架构上流畅运行深度学习模型,充分发挥国产全功能GPU的强大计算能力。

 

自发布以来,Torch-MUSA已历经多个版本的迭代,不断提升兼容性与性能。从v1.0.0版本开始,Torch-MUSA就率先支持了PyTorch 2.0,为用户带来了显著的计算加速和易用性。经过持续的开发与优化,最新发布的v1.3.0版本已全面支持PyTorch 2.2.0,极大提升了模型训练与推理的效率,满足了更多高性能深度学习任务的需求。

 

目前,Torch-MUSA已完全开源,开发者可通过访问GitHub获取源代码。摩尔线程鼓励开发者积极参与该项目的开发与改进,通过提交问题报告(issue)或代码修改申请(pull request)等方式,共同促进Torch-MUSA以及MUSA软件生态的持续进步和发展。

 

 Torch-MUSA开源地址:

 

https://github.com/MooreThreads/torch_musa

 

 功能特性

 

在Torch-MUSA中,用户只需指定torch.device("musa"),即可轻松将现有的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。摩尔线程期待与广大开发者和研究人员共同完善Torch-MUSA的功能,持续优化性能,为基于MUSA架构的国产全功能GPU构建更强大的深度学习生态。

  关于摩尔线程

 

摩尔线程成立于2020年10月,以全功能GPU为核心,致力于向全球提供加速计算的基础设施和一站式解决方案,为各行各业的数智化转型提供强大的AI计算支持。

 

我们的目标是成为具备国际竞争力的GPU领军企业,为融合人工智能和数字孪生的数智世界打造先进的加速计算平台。我们的愿景是为美好世界加速。

phone phone
人工
客服
400-667-5666

周一至周日,9:00-21:00