【ITBEAR】摩爾線程近日宣布，其針對PyTorch深度學(xué)習(xí)框架的MUSA插件“Torch-MUSA”已推出重大更新的v1.3.0版本，該版本全面兼容PyTorch 2.2.0，進(jìn)一步提升了模型在摩爾線程GPU上的性能與覆蓋度。
作為全球廣泛應(yīng)用的深度學(xué)習(xí)框架，PyTorch在自然語言處理、計算機(jī)視覺等領(lǐng)域具有強(qiáng)大的實力。摩爾線程的Torch-MUSA插件為PyTorch用戶提供了MUSA后端加速，使得深度學(xué)習(xí)模型能夠在MUSA架構(gòu)上更加流暢地運行。
自Torch-MUSA首次發(fā)布以來，已經(jīng)歷了多個版本的迭代升級，不斷優(yōu)化兼容性與性能。從v1.0.0版本開始，該插件就率先支持了PyTorch 2.0，為用戶帶來了顯著的計算加速與更好的易用性。
最新發(fā)布的v1.3.0版本除了全面支持PyTorch 2.2.0外，還極大地提升了模型訓(xùn)練與推理的效率，更好地滿足了高性能深度學(xué)習(xí)任務(wù)的需求。該版本還增加了對FSDP等特性的支持，使得用戶能夠處理更復(fù)雜的模型和更大規(guī)模的數(shù)據(jù)。
目前，Torch-MUSA項目已完全開源，開發(fā)者可通過GitHub獲取源代碼，并積極參與項目的開發(fā)與改進(jìn)。摩爾線程鼓勵開發(fā)者通過提交問題報告或代碼修改申請等方式，共同推動Torch-MUSA及MUSA軟件生態(tài)的持續(xù)發(fā)展。
Torch-MUSA的功能特性包括輕松遷移現(xiàn)有的PyTorch模型到MUSA架構(gòu)GPU上運行，完全兼容PyTorch的自動微分與動態(tài)圖機(jī)制，并支持多種神經(jīng)網(wǎng)絡(luò)模塊、優(yōu)化算法及關(guān)鍵深度學(xué)習(xí)算子的加速。該插件還支持多種PyTorch特性，為用戶提供了更為豐富的功能選擇。
隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，摩爾線程將繼續(xù)跟進(jìn)PyTorch的版本更新，并計劃支持更高版本的PyTorch，以滿足用戶不斷增長的需求。
