MegEngine 是一个快速、可拓展、易于使用的深度学习框架,拥有以下三大关键特点:
- 训练推理一体:训练推理同一内核,模型结构、量化、前后处理、动态 shape 甚至求导均可 放入模型 进行推理,训练推理轻松对齐精度
- 超低硬件门槛:依靠算法优化各类关键资源占用,DTR 让训练显存占用量一键下降3倍,pushdown 内存分配算法让推理内存占用下降至极低水平
- 全平台高效推理:在 x86/Arm/CUDA/RoCM 各平台上均可体验到高性能且精度对齐的推理体验,更有 丰富的高阶用法可以优化性能、节省内存
- 学习 MegEngine 使用文档:文档
- 得到 MegEngine 模型:BaseCls、Models、Hub
- 从 PyTorch 迁移而来:torch2mge、guide、文档-迁移指南
- paper 合集:MEGVII-Research
- 查看部署指南:文档
- 转换至其它推理框架:MgeConvert
- 串联多模型、视频流处理:MegFlow
注意: MegEngine 现在支持在 Linux-64bit/Windows-64bit/macos-10.14/Android 7+ 及其以上 (MacOS/Android只支持cpu) 等平台上安装 Python 包,支持Python3.6 到 Python3.9。对于 Windows 10 用户,可以通过安装 Windows Subsystem for Linux (WSL) 进行体验,同时我们也原生支持Windows。MegEngine 也支持在很多其它平台上进行推理运算。
通过 pip 安装的命令如下:
python3 -m pip install --upgrade pip
python3 -m pip install megengine -f https://megengine.org.cn/whl/mge.html
- CMake 编译细节请参考 BUILD_README.md
- Python 绑定编译细节请参考 BUILD_PYTHON_WHL_README.md
- MegEngine 依据 贡献者公约(Contributor Covenant)来管理开源社区。请阅读 行为准则 了解更多信息。
- 每一名 MegEngine 的贡献者都需要签署贡献者许可协议(Contributor License Agreement,CLA)来明确贡献内容相关的知识产权许可。更多细节请参考 协议内容。
- 我们欢迎你通过以下方式来帮助 MegEngine 变得更好:
- 贡献代码;
- 完善文档;
- 在 MegEngine 论坛 和 Stack Overflow 回答问题;
- 在 MegEngine Model Hub 贡献新模型;
- 在 MegStudio 平台尝试新想法;
- 报告使用中的 Bugs 和 Issues;
- 审查 Pull Requests;
- 给 MegEngine 点亮小星星;
- 在你的论文和文章中引用 MegEngine;
- 向你的好友推荐 MegEngine;
- ...
我们相信我们能够搭建一个开放友善的开源社区环境,用人工智能造福人类。
- 问题: github.com/MegEngine/MegEngine/issues
- 邮箱: [email protected]
- 论坛: discuss.megengine.org.cn
- QQ: 1029741705
- MegEngine
- MegStudio
- 镜像仓库:
- OPENI: openi.org.cn/MegEngine
- Gitee: gitee.com/MegEngine/MegEngine
MegEngine 使用 Apache License, Version 2.0 。
如果在您的研究中使用了 MegEngine ,建议您使用如下 BibTeX 格式引用文案。
@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. All rights reserved.