《表1:源计图的统一计算图与其他平台特性对比》
资料来源:清华大学,2020年5月
除此之外,清华大学的计图(Jittor)深度学习框架于2020年正式发布。该框架由清华大学计算机系图形学实验室下属的北京信息科学与技术国家研究中心下的可视媒体智能计算团队开发。计图平台已于3月20日正式对外发布和开源,在著名开源平台Github上发布后立刻受到了广大深度学习开发者的好评。计图是一个基于统一计算图的深度学习框架。计算图是一种描述深度学习模型的表达方式。现阶段主流深度学习框架多采用静态计算图或者动态计算图两种设计模式,静态图比较易于优化,如Tensor Flow1.0。动态图相比静态图更加灵活,但是优化空间更小,如Py Torch。也有框架支持这两种计算图并且提供两者之间的转换工具,如TensorFlow2.0。计图创新地采用了统一计算图,用户并不需要手动切换,计图可以动态地将计算图拆分成可以优化的子静态图,让计图在保持动态图灵活性的同时,还可以发挥出静态图的运算性能。计图与国际主流平台相比,具有多项先进特性,其统一计算图的特性如表1所示。
图表编号 | XD00149588000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.10 |
作者 | 王哲 |
绘制单位 | 中国电子信息产业发展研究院世界工业研究所人工智能研究室 |
更多格式 | 高清、无水印(增值服务) |