PyTorch 原生的模型量化与优化库,覆盖训练和推理部署。
Lightning-AI/lightning-thunder
面向 PyTorch 的源码到源码编译器,可在训练和推理中优化模型,计算图可检查、可扩展。
- Star
- 1,474
- Fork
- 121
- 未关闭 Issue
- 483
- 最近提交
- 26天前
这是什么?
Thunder 是一个面向 PyTorch 的深度学习编译器,输入模型后输出经过优化的版本。它把完整计算过程捕获为一种类似 Python 的简单中间表示,开发者可以检查、分析并改写这些计算,例如替换为更快的算子或内核。
优化通过变换(transforms)和插件完成,可同时作用于计算图、模型和权重。可用选项包括分布式并行(DDP、FSDP、TP)、FP8 和 MXFP8 精度、量化以及 CUDA Graphs。执行阶段会把计算分发给 NVFuser、torch.compile 等融合器,cuDNN SDPA、TransformerEngine 等专用库,自定义 Triton 和 CUDA 内核,或 PyTorch eager 操作。
使用入口是 thunder.compile(model),可直接用于普通的 torch 模块,也可用于 LitGPT、Hugging Face Transformers 等库中的模型。
核心功能
- 01将完整计算捕获为可检查的类 Python 中间表示。
- 02可组合的变换,能同时修改模型、计算图和权重。
- 03提供分布式训练(DDP、FSDP、TP)、FP8/MXFP8、量化和 CUDA Graphs 等插件。
- 04可将算子分发给融合器、cuDNN、TransformerEngine、Triton 或 CUDA 内核执行。
适用场景
- 在 NVIDIA GPU 上加速 LLM 预训练或微调。
- 以更低延迟运行 Hugging Face 或 torchvision 模型的推理。
- 在同一模型上尝试不同的混合精度或量化方案。
- 将单卡 PyTorch 模型扩展为多卡分布式运行。
快速上手
- 1
通过 pip 安装 Thunder
pip install lightning-thunder - 2
安装或升级 PyTorch 和 torchvision
pip install -U torch torchvision - 3
使用 Thunder 编译 PyTorch 模型并运行(参见 README 中的 hello world 示例)
使用前须知
- 可选的 NVIDIA GPU 支持需要额外安装与特定 torch 和 CUDA 版本匹配的包(如 nvfuser)。
- Float8 支持需通过 transformer_engine 从源码编译,安装较慢。
- README 指出 Thunder 并非 torch.compile 的替代品,其加速效果主要取决于具体配置。
标签
常见问题
- lightning-thunder 是什么?
- 面向 PyTorch 的源码到源码编译器,可在训练和推理中优化模型,计算图可检查、可扩展。 Thunder 是一个面向 PyTorch 的深度学习编译器,输入模型后输出经过优化的版本。它把完整计算过程捕获为一种类似 Python 的简单中间表示,开发者可以检查、分析并改写这些计算,例如替换为更快的算子或内核。
- lightning-thunder 可以免费使用吗?用的什么许可证?
- lightning-thunder 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- lightning-thunder 还在维护吗?
- 活跃维护中。lightning-thunder 最近一次提交是在 2026年10月12日。
- lightning-thunder 适合用来做什么?
- 在 NVIDIA GPU 上加速 LLM 预训练或微调。 以更低延迟运行 Hugging Face 或 torchvision 模型的推理。 在同一模型上尝试不同的混合精度或量化方案。 将单卡 PyTorch 模型扩展为多卡分布式运行。
- lightning-thunder 怎么安装和运行?
- 通过 pip 安装 Thunder: pip install lightning-thunder 安装或升级 PyTorch 和 torchvision: pip install -U torch torchvision 使用 Thunder 编译 PyTorch 模型并运行(参见 README 中的 hello world 示例)
- 在哪里获取 lightning-thunder?
- 源代码和安装说明在 GitHub 上:https://github.com/Lightning-AI/lightning-thunder
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一本开源的大语言模型与多模态模型训练、微调及推理工程实践手册,附带大量脚本和命令。
一个高吞吐、低显存占用的大语言模型推理与服务引擎,提供兼容 OpenAI 的 API。
NVIDIA Cosmos3 全模态世界模型的训练与推理框架,支持分布式训练、多种推理后端和强化学习后训练。
面向 Rust 的极简机器学习框架,支持 GPU,适合无 Python 的轻量推理与部署。
基于 Rust 的大模型推理引擎,提供 OpenAI 与 Anthropic 兼容接口,支持量化与多模态模型。