ngraph
v0.26.0
Ngraph mudou -se para OpenVino: https://github.com/openvinotoolkit/openvino
Para começar a usar o Ngraph com estruturas populares, consulte os links abaixo.
| Estrutura (versão) | Guia de instalação | Notas |
|---|---|---|
| Tensorflow* | PIP Instale ou construa a partir da fonte | 20 cargas de trabalho validadas |
| ONNX 1.5 | Instalação PIP | 17 cargas de trabalho validadas |
As rodas Python para Ngraph foram testadas e são suportadas nos seguintes sistemas de 64 bits:
Para instalar via pip, execute:
pip install --upgrade pip==19.3.1
pip install ngraph-core
Frameworks usando pilha de compiladores NGRAPH para executar cargas de trabalho exibiram até 45x o impulso de desempenho quando comparados às implementações da estrutura nativa. Também vimos o desempenho aumentando as cargas de trabalho que não estão incluídas na lista de
Cargas de trabalho validadas, graças à poderosa correspondência de padrões de subgrafos do Ngraph.
Além disso, integramos o Ngraph ao PlaidML para fornecer uma aceleração de desempenho de aprendizado profundo nas GPUs Intel, Nvidia e AMD. Mais detalhes sobre a arquitetura atual da pilha de compiladores de ngraph podem ser encontrados na arquitetura e nos recursos, e as alterações recentes na pilha são explicadas nas notas de lançamento.
O Ngraph Compiler visa acelerar o desenvolvimento de cargas de trabalho de IA usando qualquer estrutura de aprendizado profundo e implantando para uma variedade de metas de hardware. Acreditamos fortemente em fornecer liberdade, desempenho e facilidade de uso aos desenvolvedores de IA.
O diagrama abaixo mostra estruturas de aprendizado profundo e metas de hardware suportadas pelo Ngraph. NNP-T e NNP-I no diagrama referem-se aos aceleradores de aprendizado profundo da Intel na próxima geração: processador de rede neural Intel® NERVANA ™ para treinamento e inferência, respectivamente. Os planos futuros para apoiar estruturas e back -ends de aprendizado profunda adicional são descritos na seção do ecossistema.
Nossa documentação possui informações extensas sobre como usar o Ngraph Compiler Stack para criar um gráfico computacional do NGRAPH, integrar estruturas personalizadas e interagir com back -ends suportados. Se você deseja contribuir com o projeto, não hesite em fazer perguntas nos problemas do GitHub depois de revisar nosso guia de contribuição abaixo.
Congratulamo -nos com contribuições da comunidade ao Ngraph. Se você tem uma ideia de como melhorá -lo:
make check .Analisaremos sua contribuição e, se forem necessárias correções ou modificações adicionais, poderão fornecer feedback para guiá -lo. Quando aceito, sua solicitação de tração será fundida ao repositório.
