megengine¶

import megengine as mge  # NOT as torch - Even if we look like twins.

注解

MGE 或 mge 是 MegEngine 的官方缩写，我们建议相关衍生库将其作为前缀。

警告

不要尝试 [ import megengine as torch ] 这是行不通的！ ( /ω＼)

MegEngine 的部分 API 设计借鉴了 PyTorch, 我们相信这对开发者而言会更加友好；
但二者的底层设计完全不同，MegEngine is just MegEngine.

Tensor¶

from megengine import Tensor
from megengine import tensor  # tensor is an alias of Tensor

MegEngine 中提供了一种名为 “张量” （Tensor ）的数据结构，区别于物理学中的定义，其概念与 NumPy 中的 ndarray 更加相似，即张量是一类多维数组，其中每个元素的数据类型和空间大小一致，而数据值可以不同。

`Tensor`	一个张量对象表示固定大小元素的多维同构数组。
`Parameter`	一类表示模块参数的张量。

上面 Parameter 可以被看作是一种特殊的 Tensor, 通常用来表示神经网络中的参数。

想要了解更多，请参考深入理解 Tensor 数据结构。

Core¶

在 megengine.core 子包中实现了 MegEngine 的核心功能，包括 Tensor 和 Operators 组成的计算图，自动求导机制等等。 MegEngine 用户在日常使用中无需直接调用它，因为里面的功能实现已经被其它面向用户的常用子包如进行了封装。但出于方便 MegEngine 开发者检索的目的，我们也将 core 中的 API 列举在此处。

警告

我们不承诺 core 模块中 API 的兼容性和稳定性。

注解

任何 MegEngine 的用户都可以尝试成为我们的开发人员，就好像你理解了 Tensor 和 Core 之后，便可以尝试去理解 NVIDIA 的 TensorCore 了。冷笑话 +1 (￣▽￣)”

注解

你可能在 MegEngine 源代码中经常会看到诸如 MegBrain, MGB 等字样。不用担心，MegBrain 是 MegEngine 的内部代号，二者某种程度上是等价的。

模型保存与加载¶

`save`	把对象保存成磁盘文件。
`load`	Load an object saved with :func:~.megengine.save` from a file.

设备相关¶

`is_cuda_available`	cuda设备是否在当前机器可用。
`get_device_count`	获取当前系统中的设备数量。
`get_default_device`	查询默认的计算结点。
`set_default_device`	设置默认的计算节点。
`get_mem_status_bytes`	以字节为单位获取计算设备上的总内存和可用内存。
`get_cuda_compute_capability`	Gets compute capability of the specified device.
`set_prealloc_config`	对原始设备的内存分配器指定预先分配的方案。

日志相关¶

`enable_debug_log`	设置日志记录级别(logging level)以调试所有组件。
`get_logger`	按照给定名称获取megengine日志。
`set_log_file`	设置日志的输出文件。
`set_log_level`	设置默认的日志记录级别。

查询版本信息¶

__version__ （MegEngine 版本号）¶

API 参考

megengine.Tensor