10月31日消息，努力摩爾線程宣布，替代針對PyTorch深度學習框架的線程MUSA插件“Torch-MUSA”，迎來重大更新新版本v1.3.0，努力全面兼容PyTorch 2.2.0。替代

新版進一步提升了PyTorch在摩爾線程GPU MUSA架構(gòu)上的線程模型性能與覆蓋度，能更友好地支持模型遷移到摩爾線程GPU。努力

PyTorch是替代全球廣泛使用的深度學習框架，在自然語言處理、線程計算機視覺、努力推薦系統(tǒng)等多個領(lǐng)域展現(xiàn)出了強大的替代應(yīng)用能力。

摩爾線程Torch-MUSA專為PyTorch提供MUSA后端加速支持，線程使得用戶能夠在MUSA架構(gòu)上流暢運行深度學習模型，努力充分發(fā)揮國產(chǎn)全功能GPU的替代強大計算能力。

自發(fā)布以來，線程Torch-MUSA已歷經(jīng)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(jīng)過持續(xù)的開發(fā)與優(yōu)化，最新發(fā)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(wù)的需求。

目前，Torch-MUSA已完全開源，開發(fā)者可通過訪問GitHub獲取源代碼。

摩爾線程鼓勵開發(fā)者積極參與該項目的開發(fā)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(tài)的持續(xù)進步和發(fā)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(xiàn)有的PyTorch模型遷移到MUSA架構(gòu)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(tài)圖機制，支持多種常用的神經(jīng)網(wǎng)絡(luò)模塊及優(yōu)化算法，并加速了關(guān)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(fā)布，支持PyTorch 2.0，提供基礎(chǔ)張量操作和常見神經(jīng)網(wǎng)絡(luò)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(guī)模的數(shù)據(jù)處理。

▼ 未來計劃

Torch-MUSA將繼續(xù)跟進PyTorch的版本更新，計劃支持更高版本的PyTorch。