meg-engine

MegEngine 使用指南

所有版本 Release Note

框架版本

Stable

操作系统

Linux_64(LIBC>=2.2.5)

Windows-x64(>=win7)

MacOS_64(>=10.14)

硬件平台

CUDA 10.1

CUDA 10.2

CUDA 11.1

CPU

安装方式

pip (19.0及以上)

源码编译

安装命令

python3 -m pip install megengine -f https://megengine.org.cn/whl/mge.html

默认安装当前最新版本

MegEngine 深度学习框架

训练推理一体

一套内核支撑训练到推理，无需模型转换，精度损失最小化
前后处理可放入计算图推理，训练推理精确对齐，python C++ 不用写两遍
traced module → megengine lite → megflow，从模型到高并发视频流处理服务只需几行 python 代码

超低硬件门槛

DTR 算法减少 75% 显存占用，1080 也能训 transformer
自研 pushdown 内存分配算法，带来最低的内存/显存占用
自动代码裁剪可使部署文件 binary size 下降 10 倍，有效降低推理硬件成本

全平台高效推理

高效的推理性能，在各类 CPU、GPU 上均可享受到极致性能体验
自动 layout、kernel 算法选择机制，轻松达到最优推理性能
跨平台模型精度对齐，一套代码走天下

MegEngine 生态

构建、训练、验证

使用动态图接口构建、训练和验证你的神经网络
直接使用动态图接口进行推理。

提供完美抽象 S3、HTTP、本地文件等协议的 python 文件接口库。

提供免费免登录、高效、专业、跨平台的图片&视频的对比的 PC 应用工具。

推理、调优、部署

MegFlow 流式计算框架，助力 AI 应用快速落地，简化模型交付流程，实现 15 分钟完成定制化功能。

MgeConvert 是 MegEngine 和第三方格式之间实现互联互通的转换工具。

MegEngine Lite C/C++

MegEngine Lite Rust

MegEngine Lite Python

利用 Lite Python 接口进行更高性能的推理。

库

基于旷视研究院领先的深度学习算法，提供满足多业务场景的预训练模型。

极其全面的分类模型库，提供了海量模型的训练代码和预训练权重，全部算法均可以快速部署到硬件上。

平台

基于旷视研究院领先的深度学习算法，提供满足多业务场景的预训练模型。

MegLab

移动端小程序，提供黑科技 AI 趣味体验，快速感知 AI 魅力。

MegEngine 社区

论坛

我们提供中文社区服务，你可以在此和国内开发者对框架使用以及深度学习技术进行交流。

去论坛交流

GitHub

旷视天元是一个开源深度学习框架，你可以在GitHub上直接与项目成员联系、提出产品建议、以及贡献代码。

去 GitHub 反馈

中文社群

我们提供开发者社群服务，您可以通过社群直接联系到项目官方人员，也可以和社群中的其他用户交流学习。

加入QQ群微信公众号

参与社区贡献
获得专属 MegEngine Contributor 身份徽章!

想参与开源，但不知如何下手的同学，来吧，跟着本篇点亮你 GitHub 个人主页的第一块小绿砖！

MegEngine 赋能

虚拟试妆

足不出户的挑选心仪的美妆产品。
精准追踪面部关键点，如眼、鼻、嘴、甚至睫毛的位置。
实时呈现嘴唇、脸颊或眉毛等部位的上妆效果。

高效办公

中信大厦（中国中信集团总部大楼）

北京最高地标建筑，世界第三高办公楼。总高528米，可同时容纳1.2万人办公。软硬一体化组件式通行，通过率超99%。

智能冬奥

场馆“智能向导”，融合 AI 和 AR 技术，提供定位精准、随叫随到的引导服务。
“区间智能防疫系统”，快速无感测温与健康核验，全方位助力闭环区域的科学防疫。