ngraph

NGRAPH ist nach OpenVino gezogen: https://github.com/openvinotoolkit/openvino

Architektur & Funktionen | Ökosystem | Versionshinweise | Dokumentation | Beitragsleitfaden | Lizenz: Apache 2.0

Schneller Start

Um NGRAPH mit beliebten Frameworks zu verwenden, finden Sie die folgenden Links.

Framework (Version)	Installationshandbuch	Notizen
Tensorflow*	PIP -Installation oder Bau von Quelle	20 validierte Workloads
Onnx 1.5	PIP -Installation	17 Validierte Workloads

Python -Räder für NGRAPH

Die Python-Räder für NGraph wurden getestet und werden auf den folgenden 64-Bit-Systemen unterstützt:

• Ubuntu 16.04 oder später
• CentOS 7.6
• Debian 10
• macOS 10.14.3 (Mojave)

Um über PIP zu installieren, rennen Sie:

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

Frameworks mit dem NGRAPH -Compiler -Stack zum Ausführen von Workloads haben im Vergleich zu nativen Rahmenimplementierungen bis zu 45 -fach -Leistungssteigerungen gezeigt. Wir haben auch Performance -Boosts gesehen, die Workloads ausführen, die nicht in der Liste von enthalten sind
Dank der leistungsstarken Subgraph -Muster -Übereinstimmung von NGRAPH von NGRAPH.

Zusätzlich haben wir NGRAPH in PLAIDML integriert, um die Beschleunigung der Deep -Learning -Leistungsbeschleunigung für Intel, Nvidia und AMD -GPUs bereitzustellen. Weitere Details zur aktuellen Architektur des NGRAPH -Compiler -Stacks finden Sie in Architektur und Funktionen, und die jüngsten Änderungen am Stapel werden in den Versionshinweise erläutert.

Was ist NGRAPH Compiler?

Der NGRAPH -Compiler zielt darauf ab, die Entwicklung von KI -Workloads mit jedem Deep -Learning -Framework zu beschleunigen und für eine Vielzahl von Hardwarezielen bereitzustellen. Wir glauben fest daran, KI-Entwicklern Freiheit, Leistung und Benutzerfreundlichkeit zu bieten.

Das folgende Diagramm zeigt Deep Learning Frameworks und Hardware -Ziele, die von NGRAPH unterstützt werden. NNP-T und NNP-I im Diagramm beziehen sich auf Intels Next Generation Deep Learning Accelerators: Intel® Nervana ™ Neuronal Network-Prozessor für Schulungen bzw. Inferenz. Zukünftige Pläne zur Unterstützung von addtionalen Deep -Learning -Frameworks und Backends sind im Abschnitt Ökosystem.

Unsere Dokumentation enthält umfangreiche Informationen, wie Sie NGRAPH Compiler Stack verwenden, um ein NGRAPH -Rechendiagramm zu erstellen, benutzerdefinierte Frameworks zu integrieren und mit unterstützten Backends zu interagieren. Wenn Sie zum Projekt beitragen möchten, zögern Sie bitte nicht, Fragen in Github -Themen zu stellen, nachdem Sie unseren Beitragsanleitung unten überprüfen.

Wie man beiträgt

Wir begrüßen Community -Beiträge zu NGraph. Wenn Sie eine Idee haben, wie Sie es verbessern können:

• Siehe den Contrig -Leitfaden für Codeformatierung und Stilrichtlinien.
• Teilen Sie Ihren Vorschlag über Github -Probleme.
• Stellen Sie sicher, dass Sie das Produkt erstellen und alle Beispiele mit Ihrem Patch ausführen können.
• Erstellen Sie bei einer größeren Funktion einen Test.
• Senden Sie eine Pull -Anfrage.
• Stellen Sie sicher, dass Ihr PR alle CI -Tests besteht. HINWEIS: Sie können lokal mit make check testen.

Wir werden Ihren Beitrag überprüfen und, falls zusätzliche Korrekturen oder Änderungen erforderlich sind, können Feedback geben, um Sie zu führen. Wenn Sie akzeptiert werden, wird Ihre Pull -Anfrage mit dem Repository zusammengefasst.