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(>=10.14)
硬件平台
CUDA 10.1
CUDA 11.1
CUDA 11.4 - beta
CPU
安装方式
pip (19.0及以上)
源码编译
MegEngine 深度学习框架
更多内容
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
更多内容
构建、训练、验证
推理、调优、部署
MegEngine Lite C/C++
利用 Lite C / C++ 接口进行高性能推理。
mperf
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。
MegPeak
MegPeak
是一个进行高性能计算的辅助工具，能够使得开发人员轻松获得目标处理器的内在的详细信息，辅助进行对代码的性能评估，以及优化方法设计。
MegCC
MegCC 是一个运行时超轻量，高效，移植简单的深度学习模型编译器。
MgeConvert
MgeConvert 是 MegEngine 和第三方格式之间实现互联互通的转换工具。
MegEngine Lite Rust
利用 rust 接口进行高性能推理。
MegEngine Lite Python
利用 Lite Python 接口进行更高性能的推理。
MegFlow
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。
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
