ngraph
v0.26.0
Ngraph se ha mudado a Openvino: https://github.com/openvinotoolkit/openvino
Para comenzar a usar Ngraph con marcos populares, consulte los enlaces a continuación.
| Marco (versión) | Guía de instalación | Notas |
|---|---|---|
| TensorFlow* | PIP Instalar o construir desde la fuente | 20 cargas de trabajo validadas |
| ONNX 1.5 | Instalación de PIP | 17 cargas de trabajo validadas |
Las ruedas Python para Ngraph han sido probadas y son compatibles con los siguientes sistemas de 64 bits:
Para instalar a través de PIP, ejecute:
pip install --upgrade pip==19.3.1
pip install ngraph-core
Los marcos que usan la pila del compilador NGRAPH para ejecutar cargas de trabajo han mostrado hasta 45x aumento de rendimiento en comparación con las implementaciones de marco nativo. También hemos visto que el rendimiento aumenta las cargas de trabajo que no están incluidas en la lista de
Cargas de trabajo validadas, gracias a la poderosa coincidencia de patrones de subgrafías de Ngraph.
Además, hemos integrado NGRAPH con PLAIDML para proporcionar una aceleración de rendimiento de aprendizaje profundo en las GPU Intel, NVIDIA y AMD. Se pueden encontrar más detalles sobre la arquitectura actual de la pila del compilador NGRAPH en la arquitectura y las características, y se explican cambios recientes en la pila en las notas de lanzamiento.
El compilador NGRAPH tiene como objetivo acelerar las cargas de trabajo de IA en cualquier marco de aprendizaje profundo e implementar en una variedad de objetivos de hardware. Creemos firmemente en proporcionar libertad, rendimiento y facilidad de uso para los desarrolladores de IA.
El siguiente diagrama muestra marcos de aprendizaje profundo y objetivos de hardware compatibles con Ngraph. NNP-T y NNP-I en el diagrama se refieren a los aceleradores de aprendizaje profundo de la próxima generación de Intel: procesador de red neuronal Intel® Nervana ™ para capacitación e inferencia respectivamente. Los planes futuros para apoyar marcos y backends adicionales de aprendizaje profundo se describen en la sección del ecosistema.
Nuestra documentación tiene una información extensa sobre cómo usar la pila del compilador NGRAPH para crear un gráfico computacional NGRAPH, integrar marcos personalizados e interactuar con los backends compatibles. Si desea contribuir al proyecto, no dude en hacer preguntas en los problemas de GitHub después de revisar nuestra guía de contribución a continuación.
Damos la bienvenida a las contribuciones de la comunidad a Ngraph. Si tiene una idea de cómo mejorarlo:
make check .Revisaremos su contribución y, si se necesitan correcciones o modificaciones adicionales, pueden proporcionar comentarios para guiarlo. Cuando se acepte, su solicitud de extracción se fusionará con el repositorio.
