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。

Serialization¶

`save`	把对象保存成磁盘文件。
`load`	从文件中加载一个用:func:`~.megengine.save`保存的对象。

Device¶

`device.what_is_xpu`	返回确切的设备类型，比如 `cpu`, `cuda` 等。
`is_cuda_available`	cuda设备是否在当前机器可用。
`is_atlas_available`	返回这个系统中是否有可用的 atlas 设备。
`is_cambricon_available`	返回这个系统中是否有可用的 cambricon 设备。
`is_rocm_available`	返回这个系统中是否有可用的 rocm 设备。
`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。
py:obj:get_cuda_device_property <megengine.get_cuda_device_property>
`get_cuda_compute_capability`	获取指定设备的计算能力。
`get_allocated_memory`	返回指定的计算设备上tensor占用的内存总量，单位是byte。
`get_reserved_memory`	以字节为单位返回当前由计算设备中的缓存分配器管理的内存
`get_max_reserved_memory`	返回当前计算设备上分配器管理的内存容量的峰值，单位是byte。
`get_max_allocated_memory`	返回指定计算设备上所有tensor的内存占用的峰值，单位是byte。
`reset_max_memory_stats`	重置内存使用信息
`set_prealloc_config`	对原始设备的内存分配器指定预先分配的方案。
`coalesce_free_memory`	这个函数会尽量将所有连续的空闲块释放回操作系统，小块可能不会被返回。
`get_cuda_version`	获取编译 MegEngine 时使用的 CUDA 版本。
`get_cudnn_version`	获取编译 MegEngine 时用到的 Cudnn 版本
`get_tensorrt_version`	获取编译 MegEngine 时用到的 TensorRT 的版本

Logger¶

`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。

Version¶

__version__ （MegEngine 版本号）¶

API 参考

megengine.Tensor