Github 项目推荐 | 面向多设备和多框架的英特尔开源编译器 —— nGraph

英特尔近期开源了深度学习框架编译器 nGraph。nGraph 是一款开源 C++ 库，编译器和运行器，它能够让数据科学家能够专注于数据科学研发，不需要担心如何将 DNN 模型部署到各种不同设备做高效训练和运行。

Github 地址：

https://github.com/NervanaSystems/ngraph

当深度学习框架首次成为运行培训和推理模型的工具时，它是围绕特定设备优化的内核而设计的。所以，在模型定义时会暴露出许多问题，使 DL 模型对其他或更高级设备的适应性和可移植性变得复杂。

使用传统的方法意味着算法开发人员将模型带入升级后的设备时，会遇到繁琐的工作。使模型在不同的框架上运行也是有问题的，因为开发人员必须将模型的本质与为设备进行的性能调整分开，转换为新框架中类似的操作，并最终在新框架上为优选的设备配置做必要的改变。

nGraph 大大减少了这些工程复杂性。虽然通过项目和用于深度神经网络的库（Intel®MKL-DNN））提供了用于 DL 基元的优化内核，但还有一些编译器启发式的方法可以进一步优化性能。

  文档

对于这个早期版本，官方提供了用于编译基于 MXNet 和 TensorFlow 的项目的框架集成指南。 如果你已经有了一个训练好的模型，官方已经为如何导入深度学习模型并使用 nGraph API 提供了入门指南。

详细信息请查阅安装文档：

http://ngraph.nervanasys.com/docs/latest/install.html

NLP 工程师入门实践班

三大模块，五大应用，知识点全覆盖；

海外博士讲师，丰富项目分享经验；

理论+实践，带你实战典型行业应用；

专业答疑社群，讨论得出新知。

新人福利

关注 AI 研习社（okweiwu），回复  1  领取

【超过 1000G 神经网络 / AI / 大数据资料】

神经机器翻译的编码 - 解码架构有了新进展， 具体要怎么配置？

▼▼▼