首页
/ Tenstorrent TT-Metal v0.58.0-rc6 技术解析与更新亮点

Tenstorrent TT-Metal v0.58.0-rc6 技术解析与更新亮点

2025-07-10 10:07:37作者:虞亚竹Luna

Tenstorrent TT-Metal 是一个面向AI加速的高性能计算框架,专注于为机器学习工作负载提供高效的硬件加速支持。该项目通过创新的架构设计和软件优化,显著提升了深度学习模型的推理和训练性能。

本次发布的v0.58.0-rc6版本带来了多项重要更新和改进,涵盖了从底层硬件支持到高层API功能的多个方面。我们将深入解析这些技术更新,帮助开发者更好地理解和使用这一强大的AI加速框架。

核心架构优化

本次更新对TT-Metal的底层架构进行了多项重要改进。首先移除了DispatchMemMap单例模式,将其所有权转移至MetalContext,这一变化简化了内存管理模型,提高了系统的可维护性和扩展性。同时,框架现在支持DRAM预取器的性能模式,能够根据工作负载特性动态调整预取策略,显著提升内存访问效率。

在设备支持方面,新版本修复了RISCV_SOFT_RESET_0_BRISC的值偏移问题,确保硬件复位操作的准确性。此外,还针对Blackhole(BH)和Wormhole(WH)架构优化了原位Halo多播功能,提升了多设备间的数据交换性能。

模型支持与性能提升

v0.58.0-rc6版本显著扩展了对多种AI模型的支持和优化:

  1. YOLO系列模型:新增对yolov8s_world和yolov8x模型的追踪支持,同时为yolov9c模型提供了性能调优,使这些计算机视觉模型能够在TT-Metal平台上高效运行。

  2. VAE解码器:添加了完整的VAE(变分自编码器)中间块和上采样块支持,为生成式AI应用提供了更完整的支持。

  3. ResNet50稳定性:引入了专门的稳定性测试脚本,确保这一经典CNN模型在TT-Metal平台上的可靠运行。

  4. SDXL优化:修复了分割卷积中的偏置问题,并更新了相关测试,提升了Stable Diffusion XL模型的性能和稳定性。

计算操作扩展

新版本在计算操作支持方面有多项重要扩展:

  1. 数据类型支持:为多种操作添加了整型支持,包括零比较操作(如eq)、关系运算等,扩展了框架的应用场景。

  2. 新操作实现

    • 实现了ttnn.sort的单核版本
    • 新增ttnn.experimental.broadcast_to操作
    • 添加了ttnn.stack操作支持
    • 改进了argmax操作的多核支持,使其能够处理任意秩和形状的输入
  3. 现有操作优化

    • 为ttnn.add添加了uint16支持
    • 优化了ttnn.upsample在nearest模式下的非均匀分片支持
    • 改进了all_gather_concat对RM输入的支持,并为其输出添加了隐式tilize功能

性能分析与调试工具

本次更新增强了性能分析和调试能力:

  1. 性能分析:新增了生成每核心操作到操作时间的CSV功能,使开发者能够更精细地分析计算流水线。

  2. 调试工具

    • 添加了监视器来捕获对DRAM的noc_inline_dw_write操作
    • 实现了设备性能分派边界的更新
    • 针对BH架构禁用了TensixInlineWriteDynamicNoc以提高稳定性
  3. 测试改进

    • 更新了convnet_mnist的性能基准
    • 添加了6U特定全网格带宽测试
    • 实现了TM压力测试及相应修复

系统稳定性与部署改进

在系统稳定性和部署方面,v0.58.0-rc6版本包含多项重要改进:

  1. 内存管理:移除了持久缓冲区tt_stats在RMS中的释放操作,避免了潜在的内存问题。

  2. 设备管理:修复了多N150设备下ttnn.CreateDevice的问题,提高了多设备环境的可靠性。

  3. 部署优化

    • 开始提供-dev开发包
    • 添加了用于包验证的Docker镜像
    • 限制了xtensor-blas依赖的范围
  4. 编译改进:启用了更多编译器警告,帮助开发者及早发现潜在问题。

总结

Tenstorrent TT-Metal v0.58.0-rc6版本在模型支持、计算操作扩展、性能优化和系统稳定性等方面都有显著进步。这些更新不仅增强了框架的功能性,也提高了其在复杂AI工作负载中的表现。特别是对YOLO系列、VAE和SDXL等模型的支持优化,使得TT-Metal在计算机视觉和生成式AI领域的应用更加广泛和高效。

随着数据类型支持的扩展和新操作的加入,开发者现在能够实现更复杂的算法和模型。而性能分析和调试工具的增强,则为优化工作负载提供了更强大的支持。这些改进共同推动了TT-Metal作为一个高性能AI加速平台的发展,为开发者提供了更强大、更灵活的工具来构建和部署AI应用。

登录后查看全文
热门项目推荐

热门内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
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!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511