支持 FP8 和 PyTorch 250摩尔线程发布 Torch-MUSA v200？java人脸识别开源库

　　，并通过多项针对 MUSA 计算平台的性能优化，进一步提升了对 AI 模型和大规模数据处理的支持能力。

　　作为本次升级的核心亮点，Torch-MUSA v2.0.0 率先在国产 GPU 上实现了对 FP8 数据类型的完整支持。

　　FP8 是当前 AI 计算的一种前沿低精度格式，在支持原生 FP8 的 GPU 上，大语言模型（LLM）训练采用 FP8 混合精度可大幅提高 GPU 算力，显著降低显存占用。

　　Torch-MUSA v2.0.0 在 MUSA 计算平台引入多项创新功能，进一步提升深度学习任务的执行效率：

　　新增虚拟内存管理支持： MUSA 虚拟内存管理技术能够有效缓解 GPU 内存碎片化问题，降低模型训练过程中的峰值内存占用，特别适用于 FSDP、DeepSpeed 和 Megatron-LM 等主流大模型训练框架。 新增 MUSA Graph 支持： MUSA Graph 技术将多个 MUSA 内核整合到一个图中，通过单次 CPU 调度大幅减少启动开销，提升计算效率，同时与 CUDA Graph 接口高效兼容。ile 增加 Triton 后端支持： 为pile 提供了 Triton-MUSA 后端支持，开发者可以直接使用 PyTorch 原生接口，获得更高效的性能表现。

　　Torch-MUSA 已完全开源，开发者可通过访问 GitHub 获取源代码。IT之家附开源地址：