摩尔线程发布 Torch-MUSA v2.7.0

摩尔线程近日正式发布 PyTorch 深度学习框架的 MUSA 扩展库 ——Torch-MUSA v2.7.0，新版本在功能集成、性能优化与硬件支持方面实现进一步突破。

自 v2.5.0 起，Torch-MUSA 版本号已与 PyTorch 主版本号保持同步，便于开发者进行版本识别与管理。新版本进一步集成 muSolver 与 muFFT 等计算加速库，显著提升复杂计算任务的执行效率；同时新增对统一内存设备（Unified Memory）的 UMM 支持，有效优化内存使用效率。

此外，新版本继续保持与最新 MUSA SDK 的兼容性，支持使用 MUSA SDK 4.2.0 至 4.3.0 及更高版本进行编译。目前 Torch-MUSA 专属支持的算子总数已超过 1050 个，系统在性能与稳定性方面均实现进一步提升。

v2.7.0 版本主要更新内容

新增特性

• 动态双精度转换（Dynamic Double Cast）

用户可通过设置环境变量 export TORCH_USE_MUSA_DOUBLE_CAST=1，开启 Float64 数据类型算子的动态转换功能，torch_musa 将使用 float32 作为计算数据类型。

• 分布式检查点（Distributed Checkpoint）

支持从多个 rank 并行加载和保存模型，显著加速检查点的保存与加载过程。目前已支持分布式检查点的异步保存功能。

功能增强

• 新增 Poisson、binomial、_standard_gamma、_sample_dirichlet、vdot、upsample（1d、2d、3d、with aa）、flash_attention、transformer_encoder_layer 等多个实用算子，MUSA 专属支持的算子总数突破 1050 个。 

• 通过升级 PyTorch 底层支持，torch.compile 与 AOTInductor 功能进一步增强； 

• 默认启用 TF32 计算模式，提升浮点运算效率； 

• 优化性能分析工具 Kineto 的稳定性，并将其适配版本升级至 2.7.0；

• 继续优化 FSDP2 流水线并行策略，进一步降低内存占用。

v2.5.0 版本主要更新内容

新增特性

• 新增 muFFT 与 muSolver 库集成，大幅扩展计算能力；

• 在面向边缘计算的 SoC 设备中支持统一内存管理，基于 Arm 架构的 UMA（统一内存寻址）设计，实现 GPU 与 CPU 共享同一物理内存空间，显著降低模型运行过程中的内存开销，具体包括：

• 消除 GPU 端重复内存分配；

• 减少主机与设备间的内存拷贝；

• GPU 可直接访问由 CPU 分配器申请的内存空间。

算子扩展与性能优化

• 新增支持包括 ilshift、irshift、replication_pad1d_bwd、angle、ctcLossTensor、ctcLossTensorBwd、logit、amin/amax/prod.dim_int、glu_bwd 等多个算子；

• 新增基础 Sparse (CSR) 操作支持；

• 扩充量化算子支持范围；

• 修复 torch.norm 形状错误问题；

• 支持 reduce_sum 的 uint8 输入与 int64 输出；

• C++ 扩展新增支持 tensor.is_musa () 方法；

• 修复空输入下 argmax/argmin 的异常行为；

• 优化 var/std、pad、convolution3d、layer_norm 等操作的执行效率。

系统功能增强

• 开放 torch.musa.mccl.version () 接口；

• 支持 getCurrentMUSABlasHandle 与 getCurrentMUSABlasLtHandle；

• 优化 FSDP2 流水线并行策略，降低训练内存占用。

接下来，Torch-MUSA 计划继续跟进 PyTorch 的版本更新，下一版本支持 PyTorch 2.9.0，并进一步优化性能与功能，持续构建和完善基于 MUSA 架构国产全功能 GPU 的深度学习生态。