TT-Metal v0.59.0-rc2 版本技术解析与功能亮点
TT-Metal 是 Tenstorrent 公司开发的一款高性能计算框架,专注于为 AI 和机器学习工作负载提供高效的硬件加速支持。该项目通过优化的计算内核和创新的内存管理技术,能够在专用硬件上实现显著的性能提升。最新发布的 v0.59.0-rc2 版本带来了一系列重要的功能增强和问题修复,本文将深入解析这些技术更新。
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。最值得注意的是对设备初始化的重构,将固件构建和 L1/DRAM 清除操作从设备初始化阶段移至 MetalContext 初始化阶段。这种调整优化了设备启动流程,减少了重复操作,提高了整体效率。
在内存管理方面,移除了自定义的"buffer_address"函数,转而采用更标准的"transform"接口来封装主机缓冲区操作。这种设计变更使得内存访问更加规范和安全,同时也为未来的扩展提供了更好的基础。
计算功能增强
针对深度学习计算需求,本版本对多个核心算子进行了优化:
-
Untilize 操作改进:修复了当每个核心的输出通道数超过256时的问题,确保了大规模数据处理时的稳定性。
-
Topk 和 Argmax 算子增强:
- Topk 算子现在支持子核心网格(sub_core_grid)布局,并能充分利用列中的可用核心
- Argmax 算子根据NOC宽度调整了每个核心的处理单元数,优化了资源利用率
-
矩阵乘法优化:更新了批处理大小计算方法,调整了相关测试用例,提高了大规模矩阵运算的效率。
-
除法运算改进:修改了测试范围并清理了代码,提升了数值计算的稳定性。
多设备与网络通信
在分布式计算方面,本版本引入了多项重要功能:
-
ND分片支持:为mesh设备和缓冲区添加了ND维度的分片支持,增强了大规模分布式计算的灵活性。
-
2D Fabric优化:
- 随机选择源/目标设备,提高了负载均衡
- 优化了intermesh路由算法,特别是到下一个mesh的路径选择
- 修复了West路由器边缘端口的intermesh路由问题
-
新增Socket API:提供了基础的套接字通信能力,为分布式应用开发提供了更多可能性。
-
新增连接压力测试:包括打开/关闭连接的稳定性测试,确保系统在高负载下的可靠性。
性能与稳定性提升
-
跟踪缓冲区扩容:增加了跟踪缓冲区大小,有助于更全面地记录系统运行状态,便于性能分析和问题诊断。
-
Ethernet基准测试修复:解决了Blackhole硬件上的ethernet ubench挂起问题。
-
设备管理改进:
- 更新了CloseDevice操作,使其与CloseDevices使用相同的步骤
- 移除了DevicePool::initialize的noexcept限定,提供了更精确的错误处理
-
Watcher监控增强:收集并实现了多个小型watcher更新,提升了系统监控能力。
模型与演示应用更新
-
Mobilenetv2演示:完成了Mobilenetv2演示的搭建工作。
-
YOLO系列模型:
- 将Yolov9c模型移至models/demos目录
- 修复了Yolov8x演示中的问题
-
Stable Diffusion集成:将VAE解码器集成到SDv1-4演示中。
-
SDXL演示更新:对Stable Diffusion XL演示进行了功能增强。
-
Whisper模型支持:为Blackhole P100和P150硬件添加了Whisper模型支持。
开发工具与测试改进
-
测试基础设施:
- 在Blackhole P100a卡上运行blackhole演示测试
- 添加了多设备Eltwise和TM压力测试
- 为pytorch2的乘法运算添加了inf(无穷大)情况测试
-
文档与构建:
- 将ttnn目标安装移至专用CMake文件
- 清理并改进了TT-NN核心组件的组织结构
- 更新了入门文档,移除了个别模型的具体说明
-
调试工具增强:改进了check-noc-status脚本,提供了更全面的网络状态检查能力。
总结
TT-Metal v0.59.0-rc2版本在计算性能、分布式支持和系统稳定性方面都取得了显著进步。通过优化核心算子、增强多设备通信能力以及完善模型支持,该版本为AI和高性能计算应用提供了更强大的基础。特别是对Blackhole系列硬件的专门优化,展现了框架对不同硬件架构的适配能力。这些改进不仅提升了现有功能的性能,也为未来的功能扩展奠定了坚实基础。
- 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









