11月28日，摩尔线程正式推出pytorch深度学习框架的最新musa扩展版本——torch-musa v2.7.0。此次更新在功能集成、性能调优以及硬件兼容性方面均实现了显著提升。
尤为引人注目的是，在短短一个月内，Torch-MUSA接连发布了v2.5.0与v2.7.0两个重要版本，展现出快速迭代与高效开发的能力。
此外，自v2.5.0版本起，Torch-MUSA的版本号已与PyTorch主版本保持一致，便于开发者更直观地识别和管理依赖关系，降低使用门槛。
本次发布的v2.7.0版本进一步整合了muSolver、muFFT等高性能计算库，大幅提升了复杂算法任务的运行效率；
同时新增对统一内存设备（Unified Memory）UMM的支持，有效改善内存资源的利用效率。
该版本持续保持与最新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构建。
截至目前，Torch-MUSA已专属支持超过1050个算子，系统整体在性能和稳定性方面持续优化，为大规模模型的训练与推理提供了更加高效可靠的底层支撑。
下一个规划版本将是v2.9.0，将继续聚焦于性能增强与功能完善，稳步推进基于MUSA架构的国产全功能GPU深度学习生态建设。
▼ Torch-MUSA开源地址：
https://www.php.cn/link/7905b0944f96ad2ec318855ae68fed89
v2.7.0 版本核心更新
新增功能
▼ 动态双精度转换（Dynamic Double Cast）
通过设置环境变量 export TORCH_USE_MUSA_DOUBLE_CAST=1，可启用Float64类型算子的动态降级机制，torch_musa将自动采用float32作为实际计算精度，兼顾精度需求与运算效率。
▼ 分布式检查点（Distributed Checkpoint）
支持多rank并行加载与保存模型状态，显著加快检查点操作速度。当前已实现异步保存功能，适用于大规模分布式训练场景。
功能增强
▼ 新增 Poisson、binomial、_standard_gamma、_sample_dirichlet、vdot、upsample（1d/2d/3d with aa）、flash_attention、transformer_encoder_layer 等多个常用算子，MUSA专属算子总数突破1050个。
▼ 基于PyTorch底层升级，进一步强化 torch.compile 与 AOTInductor 的支持能力；
▼ 默认开启 TF32 计算模式，提升浮点密集型任务的执行效率；
▼ 升级性能分析工具 Kineto 至2.7.0版本，并优化其运行稳定性；
▼ 持续改进 FSDP2 流水线并行策略，进一步压缩显存占用。
v2.5.0 版本核心更新
新增特性
▼ 集成 muFFT 与 muSolver 加速库，显著拓展科学计算与工程仿真领域的应用潜力；
▼ 在边缘计算SoC设备中引入统一内存管理机制，基于Arm架构的UMA设计，实现CPU与GPU共享同一物理内存空间，带来以下优势：
- 避免GPU端重复分配内存；
- 减少主机与设备间的冗余拷贝；
- GPU可直接访问由CPU分配器管理的内存区域。
算子扩展与性能优化
▼ 新增 ilshift、irshift、replication_pad1d_bwd、angle、ctcLossTensor、ctcLossTensorBwd、logit、amin/amax/prod.dim_int、glu_bwd 等多个算子支持；
▼ 初步支持基础 Sparse(CSR) 相关操作；
▼ 扩展量化算子覆盖范围；
▼ 修复 torch.norm 存在的形状推导错误问题；
▼ 支持 reduce_sum 接收 uint8 输入并输出 int64 结果；
▼ C++扩展中新增 tensor.is_musa() 方法；
▼ 修正空输入情况下 argmax/argmin 的异常行为；
▼ 优化 var/std、pad、convolution3d、layer_norm 等关键操作的执行性能。
系统功能增强
▼ 开放接口 torch.musa.mccl.version()，便于用户查询MCCL版本信息；
▼ 支持获取当前MUSA BLAS及BLASLt句柄：getCurrentMUSABlasHandle 与 getCurrentMUSABlasLtHandle；
▼ 优化FSDP2流水线并行策略，有效降低训练过程中的内存消耗。
