一个全新的深度学习框架——计图

深度学习技术正广泛应用于人工智能的各个领域,如计算机视觉、机器翻译、自然语言处理、智能机器人等,取得了前所未有的突破。当前,一方面,随着深度学习新技术的出现、任务复杂度的提高,易于扩展同时保持高效的架构成为发展趋势;另一方面,我国人工智能产业发展迅速,急需构建自己的开源深度学习生态。
清华大学计算机系胡事民教授研究团队提出了一个全新的深度学习框架——计图(jittor)。jittor是一个采用元算子表达神经网络计算单元、完全基于动态编译(just-in-time)的深度学习框架。
图1 “计图”通过元算子融合实现深度神经网络模型
深度学习采用的卷积神经网络是由算子(operator)组成的一个计算网络。由于架构设计和不断扩充等原因,当前深度学习框架有多达2000种算子,系统复杂,优化和移植困难。jittor则将算子运算进一步分解,形成了更加底层的三类20余种元算子闭包,目前神经网络常用算子均可以使用元算子的组合进行表达。面向未来深度学习框架的发展趋势,jittor利用元算子组合表达的优势,提出统一计算图进行优化,并从底层开始设计了一个全新的动态编译架构。该架构支持多种编译器,实现了所有代码的即时编译和动态运行,确保了实现和优化分离,大幅提升了应用开发灵活性、可拓展性和可移植性。
图2 “计图”与其他平台的计算图特性对比
jittor与国际主流平台相比,具有多项先进特性(图2)。目前resnet、vgg、ssd、deeplab、lsgan等多个网络模型已经在jittor平台实现,可供用户使用。与同类型框架相比,jittor在收敛精度一致情况下,推理速度取得了10%-50%的性能提升(图3)。
图3 jittor和pytorch推理与训练速度对比
jittor的研发得到了国家自然科学基金创新群体项目、北京信息科学与技术国家研究中心团队项目和清华-腾讯联合实验室项目的资助。期望jittor能为学界和业界提供一个灵活高效的深度学习平台,促进人工智能的研究和应用,赋能人工智能产业。

爱普特构建高端半导体人才队伍 助力全国产MCU快速发展
河北移动为居民网络通信保驾护航
clivet空调_clivet中央空调_clivet中央空调好不好?
中韩机器人产业合作 促进机器人产业高质量发展
ARM阵营进攻桌面市场,要击败Intel?
一个全新的深度学习框架——计图
红酒区块链系统开发模式
粒子机器人将会给我们带来怎样的社会价值
无线传感器的应用领域及发展趋势
2020物联网企业蓄势待发,CAROTA科络达OTA升级为您保驾护航!
英特尔的H110嵌入式主板适用于什么样的情形
AR和VR对航空业的影响
MEMS技术基础
芯华章科技上榜2022年Venture50榜单
老牌军工电池企业的动力发展策略
科锐推出业界最全面的LED灯具测试
BICS和Telcofan联手推动企业物联网展望
机智云轻网关服务 提升生产管理效率
OLED技术将有望引领下一代显示技术新潮流
室外光纤光缆防雷的措施有哪些