ngraph

NGraph переехал в OpenVino: https://github.com/openvinotoolkit/openvino

Архитектура и функции | Экосистема | Примечания выпуска | Документация | Руководство по взносу | Лицензия: Apache 2.0

Быстрый старт

Чтобы начать использовать NGRAPH с популярными рамками, пожалуйста, обратитесь к ссылкам ниже.

Framework (версия)	Руководство по установке	Примечания
Tensorflow*	PIP установить или построить из источника	20 подтвержденных рабочих нагрузок
ONNX 1.5	PIP установка	17 подтвержденных рабочих нагрузок

Колеса питона для ngraph

Колеса Python для NGRAPH были протестированы и поддерживаются на следующих 64-битных системах:

• Ubuntu 16.04 или позже
• Centos 7.6
• Debian 10
• macOS 10.14.3 (Мохаве)

Чтобы установить через PIP, запустите:

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

Frameworks, использующие стек компилятора NGRAPH для выполнения рабочих нагрузок, показали до 45 -кратного усиления производительности по сравнению с нативными реализациями Framework. Мы также видели повышение производительности, которые работают за рабочие нагрузки, которые не включены в список
Утвержденные рабочие нагрузки, благодаря мощному сопоставлению шаблонов NGRAPH.

Кроме того, мы интегрировали NGRAPH с PlaidML, чтобы обеспечить глубокое ускорение производительности обучения на графических процессорах Intel, Nvidia и AMD. Более подробную информацию о текущей архитектуре стека компиляторов Ngraph можно найти в архитектуре и функциях, а недавние изменения в стеке объясняются в примечаниях.

Что такое компилятор NGRAPH?

Компилятор NGRAPH стремится ускорить разработку рабочих нагрузок ИИ, используя любую структуру глубокого обучения и развертывание для различных аппаратных целей. Мы твердо верим в предоставление свободы, производительности и простоты использования разработчикам ИИ.

На приведенной ниже диаграмме показаны рамки глубокого обучения и аппаратные цели, поддерживаемые NGRAPH. NNP-T и NNP-I на диаграмме относятся к ускорителям глубокого обучения Intel в области глубокого обучения: процессор нейронной сети Intel® Nervana ™ для обучения и вывода соответственно. Планы на будущее поддержка добавок глубокого обучения и бэкэндов изложены в разделе экосистемы.

Наша документация имеет обширную информацию о том, как использовать стек компиляторов NGRAPH для создания вычислительного графа NGRAPH, интеграции пользовательских структур и взаимодействия с поддерживаемыми бэкэнами. Если вы хотите внести свой вклад в проект, пожалуйста, не стесняйтесь задавать вопросы в вопросах GitHub после просмотра нашего руководства по взносу ниже.

Как внести свой вклад

Мы приветствуем вклад сообщества в NGRAPH. Если у вас есть идея, как это улучшить:

• См. Руководство по форматированию кода и рекомендации по форматированию кода и стиля.
• Поделитесь своим предложением с помощью выпусков GitHub.
• Убедитесь, что вы можете создать продукт и запустить все примеры с помощью вашего патча.
• В случае более крупной функции создайте тест.
• Отправьте запрос на вытяжение.
• Убедитесь, что ваш пиар проходит все тесты CI. Примечание: вы можете протестировать локально с помощью make check .

Мы рассмотрим ваш вклад и, если необходимы какие -либо дополнительные исправления или модификации, могут предоставить обратную связь, чтобы направить вас. При принятии ваш запрос на привлечение будет объединен с репозиторием.