@PyTorch: PyTorch 2.12 在编译、导出、分布式训练和加速器支持方面引入重大更新。亮点…
摘要
PyTorch 2.12 版本包括对编译、导出、分布式训练和加速器支持的重大更新，CUDA 上批量化 linalg.eigh 速度提升高达 100 倍，并新增了 torch.accelerator.Graph 等 API。
相似文章
PyTorch 2.12 版本亮点（7分钟阅读）
PyTorch 2.12 引入了显著的性能改进，包括在 CUDA 上实现高达 100 倍加速的批量本征分解、新的设备无关的 torch.accelerator.Graph API，以及在 torch.export 中支持微缩放量化，持续推动该框架向统一生产平台的演进。
@PyTorch: PyTorch 2.14 引入了对 Inductor、PyTorch Distributed、c10d、动态形状、Apple Silicon 和加速器等的更新
PyTorch 2.14 引入了对 Inductor、PyTorch Distributed、动态形状、Apple Silicon 支持等方面的更新，并有现场问答和 PyTorchCon 公告。
@PyTorch：PyTorch 版本包含数千项变更，我们的发布版现场问答让您直接与维护者交流……
重点介绍了带来重大更新的 PyTorch 2.12 版本，并宣布将于 5 月 20 日与维护者举办现场问答活动，讨论编译、分布式系统、量化等内容。
@PyTorch：PyTorch 2.13 来了，包含来自 526 位贡献者的 3,328 次提交，并更新了 FlexAttention、CuTeDSL、nn.LinearCros…
PyTorch 2.13 已发布，主要更新包括：Apple Silicon 上的 FlexAttention（速度提升高达 12 倍）、CuTeDSL 后端、可将显存减少 4 倍的 nn.LinearCrossEntropyLoss、新的 torchcomms 通信后端、FSDP2 通信重叠、Python 3.15 wheel 支持以及更广泛的平台支持。计划于 7 月 22 日进行现场问答。
@PyTorch：PyTorch 2.15 正式发布，583 位贡献者提交 3,117 次代码更新，涵盖分布式训练、NVGEMM、Apple Silicon 及加速器平台支持
PyTorch 2.15 发布，包含 3,117 次提交，重写的 NCCL 后端成为默认、新增 NIXL 单向传输、FSDP2 与流水线并行的更细粒度控制，并在 NVIDIA Blackwell（NVFP4）和 Apple Silicon（FP8）上带来更快的 LLM 解码，同时扩展了 AMD、Intel、ROCm 等平台支持。