「AI科技大本营」清华团队推出自研AI框架“计图”，对标Pytorch 「AI技术生态论」人物访谈栏目是CSDN发

文章图片
「AI技术生态论」人物访谈栏目是CSDN发起的百万人学AI倡议下的重要组成部分。通过对AI生态专家、创业者、行业KOL的访谈，反映其对于行业的思考、未来趋势的判断、技术的实践，以及成长的经历。
2020年， CSDN将对1000+人物进行系列访谈，勾勒出AI生态最具影响力人物图谱及AI产业全景图。本文为「AI技术生态论」系列访谈第3期。
作者|Just
出品|AI科技大本营（ID:rgznai100）
在机器学习框架领域， Pytorch、TensorFlow已分别成为目前学界和业界使用最广泛的两大实力玩家，而紧随其后的Keras、Caffe/Caffe2、MXNet等框架也因为自身的独特性受到相应开发者的喜爱。
如今， AI开源框架之争再添新入局者。
如你所知，随着深度学习新技术的出现，任务复杂度不断提高，由于架构设计和不断扩充等原因，导致系统复杂，架构优化和移植变得困难，新模型的实际性能还有待提升。
一支清华大学团队决定研发更加灵活高效的深度学习框架。他们于近日宣布开源Jittor（计图），采用元算子融合和动态编译技术，深度优化内存，有效提升了系统的运行性能和通用性，确保实现和优化分离，大幅提升应用开发的灵活性、可拓展性和可移植性。
Github地址：
https://github.com/Jittor/Jittor

文章图片
Jittor的研发团队是清华大学计算机系的图形学实验室，负责人现为胡事民教授，长期从事可视媒体智能处理的研究。 2006年-2015年间，实验室得到两期国家973计划项目的资助，在可视媒体的认知计算、机器学习、几何计算、智能算法等方面开展研究。
2009年起，实验室开展系统软件研究，逐步布局AI平台的研发。期间，实验室奠定了在图形图像应用、机器学习算法和底层系统软件三大优势， 2018年，在胡事民教授带领下，以梁盾、杨国烨、杨国炜和周文洋等一批博士生为主力的团队开始搭建Jittor平台。 Jittor团队核心开发成员梁盾告诉AI科技大本营（ID:rgznai100）， 2019年底他们完成了Jittor的基本功能，随后经过内部测试，于3月20日正式对外发布并开源。
作为一个采用元算子表达神经网络计算单元、完全基于动态编译（Just-in-Time）的深度学习框架， Jittor在三大新的设计理念下进行开发：
1.易用且可定制：用户只需要数行代码，就可定义新的算子和模型，在易用的同时，不丧失任何可定制性。
深度学习采用的卷积神经网络是由算子（Operator）组成的一个计算网络，当前深度学习框架有多达2000种算子。 Jittor将算子运算进一步分解，形成了更加底层的三类20余种元算子闭包，目前神经网络常用算子均可以使用元算子的组合进行表达。
什么是元算子？梁盾解释，元算子是Jittor的基本算子，主要包括三类：重索引算子（如填补、切分等），是一种一对多的关系；重索引化简算子（如累乘、累加等），是一种多对一的关系；元素级算子（如常见的元素级加减乘除等），是一种多对多的关系。
常见的神经网络算子，如卷积、池化、批归一化等操作可由元算子组合表达。元算子的提出主要是为了适应神经网络算子增长的需求，使得新算子的优化可以分解为元算子的融合和优化，避免单独对新算子优化，确保实现与优化的分离，提升可扩展性。

文章图片
Jittor通过元算子融合实现深度神经网络模型2.实现与优化分离：用户可以通过前端接口专注于实现，而实现自动被后端优化。从而提升前端代码的可读性，以及后端优化的鲁棒性和可重用性。 3.所有都是即时的：Jittor的所有代码都是即时编译并且运行，包括Jittor本身。用户可以随时对Jittor的所有代码进行修改，并且动态运行。