本站10月31日消息，摩爾線程宣布，針對PyTorch深度學習框架的MUSA插件“Torch-MUSA”，迎來重大更新新版本v1.3.0，全面兼容PyTorch 2.2.0。
新版進一步提升了PyTorch在摩爾線程GPU MUSA架構上的模型性能與覆蓋度，能更友好地支持模型遷移到摩爾線程GPU。
PyTorch是全球廣泛使用的深度學習框架，在自然語言處理、計算機視覺、推薦系統等多個領域展現出了強大的應用能力。
摩爾線程Torch-MUSA專為PyTorch提供MUSA后端加速支持，使得用戶能夠在MUSA架構上流暢運行深度學習模型，充分發揮國產全功能GPU的強大計算能力。
自發布以來，Torch-MUSA已歷經多個版本的迭代，不斷提升兼容性與性能。
Torch-MUSA v1.0.0版本開始，率先支持了PyTorch 2.0，帶來了顯著的計算加速和易用性。
經過持續的開發與優化，最新發布的v1.3.0版本已全面支持PyTorch 2.2.0，極大提升了模型訓練與推理的效率，滿足了更多高性能深度學習任務的需求。
目前，Torch-MUSA已完全開源，開發者可通過訪問GitHub獲取源代碼。
摩爾線程鼓勵開發者積極參與該項目的開發與改進，通過提交問題報告（issue）或代碼修改申請（pull request）等方式，共同促進Torch-MUSA以及MUSA軟件生態的持續進步和發展。
▼ Torch-MUSA開源地址：
https://github.com/MooreThreads/torch_musa
▼ 功能特性
在Torch-MUSA中，用戶只需指定torch.device("musa")，即可輕松將現有的PyTorch模型遷移到MUSA架構的GPU上運行，無需大幅修改代碼。
Torch-MUSA完全兼容PyTorch的自動微分和動態圖機制，支持多種常用的神經網絡模塊及優化算法，并加速了關鍵深度學習算子的計算。
此外，Torch-MUSA還支持多種PyTorch特性，包括DDP、JIT、FSDP、Profiler、Extension等。
▼ 版本迭代
v1.1.0：
初次發布，支持PyTorch 2.0，提供基礎張量操作和常見神經網絡層的MUSA加速。
v1.2.0：
進一步擴展算子支持，支持了完整功能的Profiler、MUSA Extension，并增加了Torch-MUSA專有特性如compare_tool、musa_converter，幫助用戶更快的定位模型精度問題。
v1.3.0：
支持PyTorch2.2.0，性能進一步提升，支持FSDP，支持更復雜的模型和更大規模的數據處理。
▼ 未來計劃
Torch-MUSA將繼續跟進PyTorch的版本更新，計劃支持更高版本的PyTorch。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
