душеприказчик

ЭкзекуТорч

ExecuTorch — это комплексное решение, позволяющее реализовать возможности вывода на мобильных и периферийных устройствах, включая носимые устройства, встроенные устройства и микроконтроллеры. Он является частью экосистемы PyTorch Edge и обеспечивает эффективное развертывание моделей PyTorch на периферийных устройствах.

Ключевые преимущества ExecuTorch:

• Портативность: совместимость с широким спектром вычислительных платформ, от мобильных телефонов высокого класса до встроенных систем и микроконтроллеров с ограниченными возможностями.
• Производительность: предоставление разработчикам возможности использовать одни и те же наборы инструментов и инструменты разработчика: от создания и преобразования моделей PyTorch до отладки и развертывания на самых разных платформах.
• Производительность: предоставление конечным пользователям бесперебойной и высокопроизводительной работы благодаря облегченной среде выполнения и использованию всех аппаратных возможностей, таких как процессоры, NPU и DSP.

Для получения полного технического обзора ExecuTorch и пошаговых руководств посетите наш веб-сайт документации для получения последней версии (или основной ветки).

Посетите страницу «Начало работы», чтобы быстро разобраться.

Ознакомьтесь с примерами Llama, Llava и других моделей, работающих на периферийных устройствах с помощью ExecuTorch.

[ОБНОВЛЕНИЕ - 24.10] Мы добавили поддержку запуска моделей Llama 3.2 Quantized 1B/3B через ExecuTorch.

Обратная связь

Мы приветствуем любые отзывы, предложения и сообщения об ошибках от сообщества, которые помогут нам улучшить нашу технологию. Пожалуйста, используйте форумы PyTorch для обсуждения и отзывов о ExecuTorch, используя категорию ExecuTorch , а также наш репозиторий GitHub для отчетов об ошибках.

При разработке мы рекомендуем использовать тег последней версии со страницы «Релизы».

Содействие

См. CONTRIBUTING.md для получения подробной информации о проблемах, PR, стиле кода, заданиях CI и других темах разработки.

Чтобы связаться с нами и другими членами сообщества, мы приглашаем вас присоединиться к сообществу PyTorch Slack, заполнив эту форму. После того, как вы присоединились, вы сможете:

• Посетите канал #executorch-general чтобы задать общие вопросы, обсудить и получить поддержку сообщества.
• Присоединяйтесь к каналу #executorch-contributors если вы заинтересованы в непосредственном участии в разработке проекта.

Структура каталогов

 executorch
├── backends                        #  Backend delegate implementations.
├── build                           #  Utilities for managing the build system.
├── codegen                         #  Tooling to autogenerate bindings between kernels and the runtime.
├── configurations
├── docs                            #  Static docs tooling.
├── examples                        #  Examples of various user flows, such as model export, delegates, and runtime execution.
├── exir                            #  Ahead-of-time library: model capture and lowering APIs.
|   ├── _serialize                  #  Serialize final export artifact.
|   ├── backend                     #  Backend delegate ahead of time APIs
|   ├── capture                     #  Program capture.
|   ├── dialects                    #  Op sets for various dialects in the export process.
|   ├── emit                        #  Conversion from ExportedProgram to ExecuTorch execution instructions.
|   ├── operator                    #  Operator node manipulation utilities.
|   ├── passes                      #  Built-in compiler passes.
|   ├── program                     #  Export artifacts.
|   ├── serde                       #  Graph module
serialization/deserialization.
|   ├── verification                #  IR verification.
├── extension                       #  Extensions built on top of the runtime.
|   ├── android                     #  ExecuTorch wrappers for Android apps.
|   ├── apple                       #  ExecuTorch wrappers for iOS apps.
|   ├── aten_util                   #  Converts to and from PyTorch ATen types.
|   ├── data_loader                 #  1st party data loader implementations.
|   ├── evalue_util                 #  Helpers for working with EValue objects.
|   ├── gguf_util                   #  Tools to convert from the GGUF format.
|   ├── kernel_util                 #  Helpers for registering kernels.
|   ├── memory_allocator            #  1st party memory allocator implementations.
|   ├── module                      #  A simplified C++ wrapper for the runtime.
|   ├── parallel                    #  C++ threadpool integration.
|   ├── pybindings                  #  Python API for executorch runtime.
|   ├── pytree                      #  C++ and Python flattening and unflattening lib for pytrees.
|   ├── runner_util                 #  Helpers for writing C++ PTE-execution
tools.
|   ├── testing_util                #  Helpers for writing C++ tests.
|   ├── training                    #  Experimental libraries for on-device training
├── kernels                         #  1st party kernel implementations.
|   ├── aten
|   ├── optimized
|   ├── portable                    #  Reference implementations of ATen operators.
|   ├── prim_ops                    #  Special ops used in executorch runtime for control flow and symbolic primitives.
|   ├── quantized
├── profiler                        #  Utilities for profiling runtime execution.
├── runtime                         #  Core C++ runtime.
|   ├── backend                     #  Backend delegate runtime APIs.
|   ├── core                        #  Core structures used across all levels of the runtime.
|   ├── executor                    #  Model loading, initialization, and execution.
|   ├── kernel                      #  Kernel registration and management.
|   ├── platform                    #  Layer between architecture specific code and portable C++.
├── schema                          #  ExecuTorch PTE file format flatbuffer
schemas.
├── scripts                         #  Utility scripts for size management, dependency management, etc.
├── devtools                        #  Model profiling, debugging, and introspection.
├── shim                            #  Compatibility layer between OSS and Internal builds
├── test                            #  Broad scoped end-to-end tests.
├── third-party                     #  Third-party dependencies.
├── util                            #  Various helpers and scripts.

Лицензия

ExecuTorch имеет лицензию BSD, как указано в файле LICENSE.