Tenstorrent/tt-metal v0.59.0-rc22版本技术解析与更新亮点
Tenstorrent/tt-metal是一个专注于高性能计算和AI加速的开源项目,它提供了针对Tenstorrent硬件架构优化的计算库和工具链。该项目主要面向AI推理和训练场景,通过底层硬件优化实现高效能计算。本次发布的v0.59.0-rc22版本带来了多项重要改进和新特性,涵盖了从底层硬件接口到高层API的多个层面。
核心架构优化
本次版本在底层架构方面进行了多项重要改进。首先是对Socket API的增强,新增了Socket API及其相关测试,这为跨设备通信提供了更稳定和高效的基础设施。在数据移动方面,实现了"one to all"和"one to all multicast"功能,显著提升了多设备间的数据分发效率。
内存管理子系统也获得了重要更新,移除了主机端缓冲区分配/释放的概念,这一改变简化了内存管理模型,减少了潜在的错误源。同时,全局循环缓冲区实现被合并,减少了代码复杂度。这些底层优化为上层应用提供了更稳定和高效的运行环境。
计算功能增强
在计算功能方面,本次更新带来了多项重要改进:
-
Argmax操作现在能够根据NOC宽度动态调整每个核心的处理单元数量,实现了更好的资源利用率。
-
新增了对uint16数据类型的支持,包括乘法、按位或和异或操作,扩展了数据类型的支持范围。
-
改进了除法运算的测试范围和实现,提高了数值计算的稳定性和准确性。
-
针对BinaryNG操作启用了更多配置支持,为特定计算模式提供了更好的优化。
-
转置操作现在支持批处理模式,在ttnn.concat中实现了性能提升。
性能优化与调试工具
性能优化是本版本的重点之一。新增了多种性能测量工具和方法,允许开发者在不同条件下评估系统性能。针对预取器(prefetcher)增加了性能模式支持,在text_demo.py中已经启用这一特性。
调试工具方面,改进了check-noc-status脚本,提供了更全面的网络状态检查能力。同时修复了调试构建中的断言问题,确保开发过程中能够获得准确的调试信息。
模型支持与AI功能
在AI模型支持方面,本版本包含多项重要更新:
-
修复了Yolov8x演示程序的问题,确保模型能够正确运行。
-
为Mistral模型新增了MistralForCausalLM类,支持vLLM框架集成。
-
改进了Llama模型的TG解码性能,解决了长序列(>4k)情况下的挂起问题。
-
针对Llama-3.1-8B-Instruct模型优化了解码器精度设置。
-
新增了3层架构的训练演示,展示了分布式训练能力。
测试与稳定性改进
测试覆盖率和稳定性是本版本的重点关注领域:
-
新增了多设备Eltwise和TM压力测试,验证多设备场景下的稳定性。
-
实现了连接打开/关闭的压力测试,确保网络连接的可靠性。
-
针对BH(Black Hole)架构跳过了一些已知问题的测试用例,避免误报。
-
修复了fold_transpose测试在BH架构上的兼容性问题。
-
改进了数据移动测试,通过减少核心使用数量避免了内核参数限制问题。
开发者体验改进
在开发者体验方面,本版本进行了多项优化:
-
清理了Tensor类的各种属性获取方法,提供了更一致的API。
-
新增了Core组件作为TT-NN的基础设施。
-
移除了dev_msgs.h公开API,简化了接口设计。
-
为Generic Op和ProgramDescriptor添加了Python绑定,方便Python开发者使用。
-
重命名了SLAVE为SUBORDINATE,采用了更合适的术语。
总结
Tenstorrent/tt-metal v0.59.0-rc22版本在性能、稳定性和功能丰富度方面都取得了显著进展。从底层硬件接口到高层模型支持,该版本为开发者提供了更强大、更稳定的计算平台。特别是对Llama、Mistral等主流模型的支持优化,以及新增的训练演示,展现了该项目在AI加速领域的持续投入和创新能力。这些改进为后续版本奠定了坚实基础,也体现了Tenstorrent在专用AI加速硬件生态建设上的战略布局。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









