ngraph

انتقل Ngraph إلى Openvino: https://github.com/openvinotoolkit/openvino

العمارة والميزات | النظام البيئي | ملاحظات الإصدار | الوثائق | دليل المساهمة | الترخيص: Apache 2.0

بداية سريعة

للبدء في استخدام Ngraph مع الأطر الشهيرة ، يرجى الرجوع إلى الروابط أدناه.

إطار (نسخة)	دليل التثبيت	ملحوظات
Tensorflow*	PIP تثبيت أو بناء من المصدر	20 أعباء عمل تم التحقق من صحتها
Onnx 1.5	تثبيت PIP	17 أعباء العمل التي تم التحقق من صحتها

عجلات Python لـ ngraph

تم اختبار عجلات Python لـ Ngraph وتم دعمها على الأنظمة 64 بت التالية:

• Ubuntu 16.04 أو أحدث
• Centos 7.6
• ديبيان 10
• MacOS 10.14.3 (Mojave)

للتثبيت عبر PIP ، تشغيل:

 pip install --upgrade pip==19.3.1
pip install ngraph-core

أظهرت الأطر باستخدام مكدس برنامج التحويل البرمجي NGRAPH لتنفيذ أعباء العمل ما يصل إلى 45x أداءً عند مقارنته بتطبيقات الإطار الأصلي. لقد رأينا أيضًا تعزيزات الأداء التي تعمل على تشغيل أعباء العمل التي لم يتم تضمينها في قائمة
أعباء العمل التي تم التحقق من صحتها ، بفضل مطابقة نمط الخريجة الفرعية القوية لـ NGRAPH.

بالإضافة إلى ذلك ، قمنا بدمج NGRAPH مع PLAIDML لتوفير تسارع أداء التعلم العميق على Intel و NVIDIA و AMD وحدات معالجة الرسومات. يمكن العثور على مزيد من التفاصيل حول الهندسة المعمارية الحالية لمكدس برنامج التحويل البرمجي Ngraph في الهندسة المعمارية والميزات ، ويتم شرح التغييرات الحديثة على المكدس في ملاحظات الإصدار.

ما هو برنامج التحويل البرمجي Ngraph؟

يهدف Ngraph Compiler إلى تسريع أعباء عمل تنمية AI باستخدام أي إطار عمل تعليمي عميق ونشر مجموعة متنوعة من أهداف الأجهزة. نحن نؤمن اعتقادا راسخا بتوفير الحرية والأداء وسهولة الاستخدام لمطوري الذكاء الاصطناعي.

يوضح الرسم البياني أدناه أطر التعلم العميق وأهداف الأجهزة التي تدعمها NGRAPH. تشير NNP-T و NNP-I في المخطط إلى مسرعات التعلم العميق في إنتل: معالج الشبكة العصبية Intel® Nervana ™ للتدريب والاستدلال على التوالي. تم تحديد الخطط المستقبلية لدعم أطر التعلم العميق الإضافي والخلفية في قسم النظام الإيكولوجي.

تحتوي وثائقنا على معلومات واسعة حول كيفية استخدام مكدس برنامج التحويل البرمجي NGRAPH لإنشاء رسم بياني حسابي NGRAPH ، ودمج الأطر المخصصة ، والتفاعل مع الخلفية المدعومة. إذا كنت ترغب في المساهمة في المشروع ، فيرجى عدم التردد في طرح الأسئلة في قضايا GitHub بعد مراجعة دليل المساهمة أدناه.

كيفية المساهمة

نرحب بالمساهمات المجتمعية في NGRAPH. إذا كان لديك فكرة عن كيفية تحسينها:

• راجع دليل Contrib لتنسيق الكود والأناقة.
• مشاركة اقتراحك عبر قضايا GitHub.
• تأكد من أنه يمكنك إنشاء المنتج وتشغيل جميع الأمثلة باستخدام التصحيح الخاص بك.
• في حالة ميزة أكبر ، قم بإنشاء اختبار.
• إرسال طلب سحب.
• تأكد من اجتياز العلاقات العامة جميع اختبارات CI. ملاحظة: يمكنك الاختبار محليًا باستخدام make check .

سنقوم بمراجعة مساهمتك ، وإذا كانت أي إصلاحات أو تعديلات إضافية ضرورية ، فقد تقدم تعليقات لإرشادك. عند قبولها ، سيتم دمج طلب السحب الخاص بك على المستودع.