摩爾線程近日宣布，其針對(duì)PyTorch深度學(xué)習(xí)框架的MUSA插件——Torch-MUSA，已推出新版本v1.3.0。此次更新全面兼容PyTorch 2.2.0，不僅提升了模型在MUSA架構(gòu)上的性能與覆蓋度，更支持模型輕松遷移到國(guó)產(chǎn)全功能GPU上運(yùn)行。

Torch-MUSA插件的推出，為PyTorch用戶提供了便捷的MUSA后端加速支持。用戶只需簡(jiǎn)單指定設(shè)備為"musa"，便可在MUSA架構(gòu)上高效運(yùn)行深度學(xué)習(xí)模型，充分發(fā)揮國(guó)產(chǎn)GPU的計(jì)算潛能。

據(jù)悉，PyTorch作為廣泛應(yīng)用于自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域的深度學(xué)習(xí)框架，其模型運(yùn)行效率一直備受關(guān)注。而摩爾線程通過(guò)不斷優(yōu)化Torch-MUSA，旨在為用戶提供更加流暢、高效的深度學(xué)習(xí)體驗(yàn)。

新版本v1.3.0的發(fā)布，標(biāo)志著Torch-MUSA在兼容性和性能上又邁出了重要一步。未來(lái)，摩爾線程將繼續(xù)跟進(jìn)PyTorch的版本更新，為用戶提供更多先進(jìn)功能和更佳性能支持。

PyTorch旗下架構(gòu)優(yōu)化庫(kù)torchao的發(fā)布，也為深度學(xué)習(xí)模型的量化和稀疏性優(yōu)化提供了有力工具。這一優(yōu)化庫(kù)能夠在保持性能的同時(shí)，有效降低模型計(jì)算成本和RAM用量，與Torch-MUSA的更新相得益彰。