MegEngine
Документация | 中文文档
MegEngine — это быстрая, масштабируемая и удобная для пользователя среда глубокого обучения с тремя ключевыми функциями.
- Единая структура как для обучения, так и для вывода
- Квантование, динамическая предварительная обработка формы/изображения и даже вывод с использованием одной модели.
- После обучения поместите все в свою модель, чтобы быстро и точно делать выводы на любой платформе. Здесь вы найдете краткое руководство.
- Самые низкие требования к оборудованию
- Использование памяти графического процессора может быть уменьшено до одной трети от исходного использования памяти при включении алгоритма DTR.
- Модели вывода с наименьшим использованием памяти за счет использования нашего планировщика памяти Pushdown.
- Эффективный вывод на всех платформах
- Вывод с высокой скоростью и точностью на x86, Arm, CUDA и RoCM.
- Поддерживает Linux, Windows, iOS, Android, TEE и т. д.
- Оптимизируйте производительность и использование памяти, используя наши расширенные функции.
Установка
ПРИМЕЧАНИЕ. MegEngine теперь поддерживает установку Python на платформах Linux-64bit/Windows-64bit/MacOS(только CPU)-10.14+/Android 7+(только CPU) с версиями Python от 3.6 до 3.9. В Windows 10 вы можете установить дистрибутив Linux через подсистему Windows для Linux (WSL) или установить дистрибутив Windows напрямую. Для вывода поддерживаются многие другие платформы.
Бинарные файлы
Чтобы установить готовые двоичные файлы с помощью pipwheels:
python3 -m pip install --upgrade pip
python3 -m pip install megengine -f https://megengine.org.cn/whl/mge.html
Сборка из исходного кода
- CMake сведения о сборке. пожалуйста, обратитесь к BUILD_README.md
- Подробности сборки привязки Python см. в BUILD_PYTHON_WHL_README.md.
Как внести свой вклад
- MegEngine принимает Соглашение участников в качестве руководства для управления нашим сообществом. Пожалуйста, прочтите Кодекс поведения.
- Каждый участник MegEngine должен подписать Лицензионное соглашение участника (CLA), чтобы уточнить лицензию интеллектуальной собственности, предоставляемую вместе с вкладами.
- Вы можете помочь улучшить MegEngine разными способами:
- Напишите код.
- Улучшить документацию.
- Отвечайте на вопросы на форуме MegEngine или на Stack Overflow.
- Добавляйте новые модели в MegEngine Model Hub.
- Попробуйте новую идею в MegStudio.
- Сообщайте или исследуйте ошибки и проблемы.
- Просмотрите запросы на включение.
- Репозиторий Star MegEngine.
- Цитируйте MegEngine в своих статьях и статьях.
- Порекомендуйте MegEngine своим друзьям.
- Любая другая форма вклада приветствуется.
Мы стремимся построить открытое и дружелюбное сообщество. Мы стремимся обеспечить человечество энергией с помощью ИИ.
Как связаться с нами
- Проблема: github.com/MegEngine/MegEngine/issues.
- Электронная почта: [email protected]
- Форум: обсуждение.megengine.org.cn
- Группа QQ: 1029741705
Ресурсы
- MegEngine
- МегСтудио
- зеркальное репо
- ОТКРЫТЬ: openi.org.cn/MegEngine.
- Gitee: gitee.com/MegEngine/MegEngine
Лицензия
MegEngine распространяется по лицензии Apache версии 2.0.
Цитирование
Если вы используете MegEngine в своей публикации, укажите его, используя следующую запись BibTeX.
@Misc{MegEngine,
institution = {megvii},
title = {MegEngine:A fast, scalable and easy-to-use deep learning framework},
howpublished = {url{https://github.com/MegEngine/MegEngine}},
year = {2020}
}
Copyright (c) 2014–2021 Megvii Inc. Все права защищены.