MegEngine特性
直击深度学习研发痛点,实现高效 AI 实践
瞄准痛点:静态图好部署,动态图易调试,但两者难以兼得
  • 动态模式快速设计模型
  • 亚线性内存优化
                    import megengine.functional as F
from megengine.jit import trace

#import trace之后设置 enable 属性切换动静态图
trace.enable = True

# 使用 trace 类装饰网络 forward 的函数
@trace
def train_func(data, label, *, opt, net):
  pred = net(data)
  loss = F.cross_entropy(logits, label)
  opt.backward(loss)
  return pred, loss

# 调用函数训练网络,动静态图一套代码
train_func(data, label, opt=optimizer, net=le_net)
                    

3分钟看懂MegEngine

学习地图

对于大部分用户,通过包管理器安装打包完毕的 MegEngine 足够应对所有使用需求了,但是如果需要使用最近更新还未发布的特性,则可能需要从源码编译安装。另外如果对 模型部署 有需求或者希望参与到 MegEngine 的核心开发工作中,也需要了解从源码进行安装。详细内容请参考 源码编译安装

快速上手指南

用户手册

开发者指南