MegEngine 生态工具，希望能为用户提供一个快速、高校、灵活的深度学习算法落地平台，以更好地实现算法落地。

借助 mperf 对 SGEMM 的性能进行极致优化，走通了性能分析、瓶颈定位、优化指引的反馈回路

在使用 MegEngine 进行模型训练时，首先要进行的是数据加载和预处理。在此过程中，MegEngine 中的megengine.data模块，提供了数据分批功能。

mperf 是一个微架构层次的算子性能调优工具箱，主要面向移动/嵌入式平台的 CPU/GPU 核心，目标是“为构建一个更接近闭环的算子调优反馈回路”提供系列基础工具。

目前 Netron 已支持 MegEngine 模型：TracedModule 及 C++ 计算图两种结构。

最新版 MegCC 新鲜出炉，新工具，新体验，本次版本针对用户使用体验以及模型推理性能进行全面提升！

又到年终时，今年我们去繁从简，只聊技术。 浅浅盘点一下，MegEngine 的年度“大动作”。

本文以深度学习编译器的开发、结合我们实际开发的深度学习编译器 MegCC 为例，来说明如何写一个编译器。

BaseDet：一个基于 MegEngine 写成的目标检测仓库，类似 detectron2 之于 pytorch。

MegEngine 社区优秀贡献者荣誉体系 —— “Awesome MegEngineer“上线啦！诚邀同样热爱开源的你加入！

由 MegEngine 团队开源的 MegCC 创新使用模型预编译的方案，生成模型推理必要的代码，去除掉了和模型推理无关的代码。

今天我们要为大家介绍一位来自兴趣界的技术型00后——一枚赤裸裸的“为爱发电”人——Starfall。