NVIDIA CUTLASS 3.9.0发布:Blackwell架构支持与性能优化全面升级
NVIDIA CUTLASS(CUDA Templates for Linear Algebra Subroutines)是一个开源的CUDA C++模板库,专门用于实现高性能矩阵乘法(GEMM)和相关计算。作为CUDA生态中的重要组成部分,CUTLASS通过模板化的设计提供了高度优化的矩阵运算实现,特别适合深度学习训练和推理中的线性代数运算。
近日发布的CUTLASS 3.9.0版本带来了对NVIDIA最新Blackwell架构的全面支持,特别是在GeForce GPU上的SM120内核支持,以及多项性能优化和功能增强。本文将详细介绍这一版本的主要技术特性和改进。
Blackwell SM120架构支持
块缩放数据类型支持
CUTLASS 3.9.0为Blackwell SM120架构引入了块缩放数据类型支持,包括:
-
密集GEMM支持:新增了针对块缩放数据类型的集体主循环实现,支持包括NVFP4、MXFP8和MXFP6等新型数据格式。这些数据格式特别适合AI推理场景,可以在保持模型精度的同时显著减少内存占用和带宽需求。
-
稀疏GEMM支持:扩展了稀疏矩阵乘法的支持,包括对块缩放数据类型的稀疏矩阵运算。这对于处理大规模稀疏模型(如推荐系统)特别有价值。
-
混合精度支持:新增了混合输入数据类型的支持,例如可以同时处理MXFP8和MXFP6输入,输出BF16结果,为模型压缩和量化提供了更多灵活性。
新的调度策略
引入了全新的GEMM和尾声调度策略,包括:
- 集体操作的调度策略优化
- 内核层的智能调度
- 构建器的改进
这些策略共同工作,可以根据硬件特性和问题规模自动选择最优的执行路径。
尾声和融合操作
针对Blackwell SM120架构专门优化了尾声处理,包括:
- 新的尾声访存模式
- 完整的EVT(Epilogue Visitor Tree)融合支持
- 针对不同数据类型的特殊优化
Blackwell SM100架构增强
除了SM120支持外,3.9.0版本还加强了对Blackwell SM100架构的支持:
-
稀疏GEMM主循环:新增了针对SM100的稀疏矩阵乘法集体主循环实现,充分利用了Blackwell架构的稀疏计算能力。
-
多头部潜在注意力(MLA):新增了针对SM100的FlashMLA式权重吸收解码用例实现,显著提升了注意力机制在大型语言模型中的效率。
-
FMHA反向传播内核:将五个反向传播矩阵乘法融合到单个内核中,大幅提高了训练效率。
-
分布式GEMM支持:新增了针对Blackwell SM100的分布式矩阵乘法实现,为大规模模型并行训练提供了基础。
块级和组级GEMM增强
CUTLASS 3.9.0在块级和组级GEMM方面做了大量改进:
-
Hopper架构增强:
- 块级GEMM的扩展支持
- 组级GEMM的性能优化
- 支持块级和组级缩放的群组GEMM
-
Blackwell架构新增支持:
- 块级GEMM实现
- 组级GEMM实现
- 支持块级和组级缩放的群组GEMM
-
性能分析器集成:在CUTLASS性能分析器中新增了对组级GEMM的支持,方便开发者评估不同配置的性能。
性能分析与自动调优增强
CUTLASS 3.9.0的性能分析器获得了显著改进:
-
按性能排序:现在可以按GFLOPS/秒对性能结果进行排序,快速识别最优配置。
-
全面搜索优化:新增了在固定GEMM形状下的全面参数搜索功能,自动探索不同内核参数以找到最佳配置。
-
动态集群配置:支持动态调整计算集群配置,最大化硬件利用率。
其他改进
-
SM100内核尾声支持:现在支持在SM100内核尾声中使用void作为D元素,提供了更大的编程灵活性。
-
示例代码丰富:新增了大量示例代码,展示如何利用新特性实现高性能矩阵运算。
总结
NVIDIA CUTLASS 3.9.0的发布标志着对Blackwell架构支持的全面就绪,特别是在GeForce GPU上的SM120内核支持。通过引入块缩放数据类型、增强稀疏计算能力、优化块级和组级GEMM实现,以及改进性能分析工具,这一版本为AI和高性能计算应用提供了更强大的矩阵运算基础。
对于深度学习框架开发者和高性能计算工程师来说,升级到CUTLASS 3.9.0将能够充分利用最新NVIDIA GPU的计算能力,特别是在处理新型数据格式和大规模稀疏模型时获得显著的性能提升。
- 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~050CommonUtilLibrary
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!C0305- 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









