新手入门深度学习框架怎么办？快速、可拓展、易于使用且支持自动求导的深度学习框架-MegEngine配备了新手入门文档，助力初学者快速上手框架。文档借助了一系列的代码实战，有利于循序渐进地熟悉这个领域，并掌握开源深度学习框架MegEngine的基本使用。MegEngine深度学习入门教程这套MegEngine深度学习入门教程由多个章节组成：更多MegEngine信息获取，您可以：查看文档、 MegEngine官网和 GitHub项目，或加入MegEngine用户交流QQ群：1029741705
MegEngine社区优秀贡献者荣誉体系——“AwesomeMegEngineer”上线啦！诚邀同样热爱开源的你加入！什么是“AwesomeMegEngineer“AwesomeMegEngineer是MegEngine社区中一群有突出成就的贡献者。他们中有熟练掌握MegEngine打比赛技能的多项AI竞赛获奖者；有凭一己之力扛起MegFlow项目布道重任的开源推广大使；有视MegEngine如初恋，从开源之初就陪伴成长的野生代言人；有一入门就开始了3个月沉浸式项目开发的后起之秀；也有为爱发电、用魔法打败魔法的00后、科研机构工作者。他们精通智能医疗影像，AI+分子生成，计算机视觉...他们是
新手入门深度学习框架怎么办？快速、可拓展、易于使用且支持自动求导的深度学习框架-MegEngine配备了新手入门文档，助力初学者快速上手框架。文档借助了一系列的代码实战，有利于循序渐进地熟悉这个领域，并掌握开源深度学习框架MegEngine的基本使用。MegEngine深度学习入门教程这套MegEngine深度学习入门教程由多个章节组成：更多MegEngine信息获取，您可以：查看文档、 MegEngine官网和 GitHub项目，或加入MegEngine用户交流QQ群：1029741705
MegEngine社区优秀贡献者荣誉体系——“AwesomeMegEngineer”上线啦！诚邀同样热爱开源的你加入！什么是“AwesomeMegEngineer“AwesomeMegEngineer是MegEngine社区中一群有突出成就的贡献者。他们中有熟练掌握MegEngine打比赛技能的多项AI竞赛获奖者；有凭一己之力扛起MegFlow项目布道重任的开源推广大使；有视MegEngine如初恋，从开源之初就陪伴成长的野生代言人；有一入门就开始了3个月沉浸式项目开发的后起之秀；也有为爱发电、用魔法打败魔法的00后、科研机构工作者。他们精通智能医疗影像，AI+分子生成，计算机视觉...他们是
目前社区已经有多个移动端深度学习推理框架，如：NCNN、MNN...这些推理引擎都给社区的用户带来了在移动端上部署深度学习非常多的便利，但是他们也都有一个共性问题：随着不断地迭代以及性能优化，运行时库会逐渐的增大，特别是在不同算子fuse的时候，会导致非常多的长尾算子，这就会增大我们App或者SDK的体积。为了解决这个问题，由 MegEngine 团队开源的MegCC创新使用模型预编译的方案，生成模型推理必要的代码，去除掉了和模型推理无关的代码，因此极大程度上减少了推理引擎的体积。主要方法是：将传统框架运行时的必要步骤：计算图优化、Kernel选择、内存分配都移到编译时，从而最大程度上减少了R
目前社区已经有多个移动端深度学习推理框架，如：NCNN、MNN...这些推理引擎都给社区的用户带来了在移动端上部署深度学习非常多的便利，但是他们也都有一个共性问题：随着不断地迭代以及性能优化，运行时库会逐渐的增大，特别是在不同算子fuse的时候，会导致非常多的长尾算子，这就会增大我们App或者SDK的体积。为了解决这个问题，由 MegEngine 团队开源的MegCC创新使用模型预编译的方案，生成模型推理必要的代码，去除掉了和模型推理无关的代码，因此极大程度上减少了推理引擎的体积。主要方法是：将传统框架运行时的必要步骤：计算图优化、Kernel选择、内存分配都移到编译时，从而最大程度上减少了R
最新版MegCC新鲜出炉，新工具，新体验，本次版本针对用户使用体验以及模型推理性能进行全面提升，主要的提升包括：新增Benchmark工具，用于用于快速Benchmark常用模型的推理性能并可视化；新增KernelC代码导出工具，方便用户定制化获取算子Kernel，方便迁移与复用；优化NNKernel性能,保持推理SDK性能先进；支持第三方NPUloader，方便NPU相关应用迁移。下面展开介绍下最新版MegCC的新功能以及新特点：一、MegCCBenchmark新版MegCC支持了基础的Benchmark模块用于测试各类模型的推理性能，获取推理时各个Kernel的性能数据，分析模型性能瓶颈。
作者：王枫|旷视算法研究员 @Fatescript收到MegEngine团队的邀请来写这篇稿子，本意是想让我介绍一下 BaseDet（一个基于 MegEngine 写成的目标检测仓库，类似detectron2之于pytorch）。因为大部分介绍框架的稿件总是在抓着一些代码中的feature疯狂介绍，而我本人并不是很喜欢这种风格（因为这些内容很像是把文档翻译成了文章），所以本文在介绍BaseDet之外，分享在完成BaseDet过程中面临的问题和思考。这些内容涉及的范围比较广，有关于深度学习框架、软件工程和开源项目等诸多内容；而这些问题和思考当然也不仅仅来源于BaseDet，同时也包含MegEn
最新版MegCC新鲜出炉，新工具，新体验，本次版本针对用户使用体验以及模型推理性能进行全面提升，主要的提升包括：新增Benchmark工具，用于用于快速Benchmark常用模型的推理性能并可视化；新增KernelC代码导出工具，方便用户定制化获取算子Kernel，方便迁移与复用；优化NNKernel性能,保持推理SDK性能先进；支持第三方NPUloader，方便NPU相关应用迁移。下面展开介绍下最新版MegCC的新功能以及新特点：一、MegCCBenchmark新版MegCC支持了基础的Benchmark模块用于测试各类模型的推理性能，获取推理时各个Kernel的性能数据，分析模型性能瓶颈。
作者：王枫|旷视算法研究员 @Fatescript收到MegEngine团队的邀请来写这篇稿子，本意是想让我介绍一下 BaseDet（一个基于 MegEngine 写成的目标检测仓库，类似detectron2之于pytorch）。因为大部分介绍框架的稿件总是在抓着一些代码中的feature疯狂介绍，而我本人并不是很喜欢这种风格（因为这些内容很像是把文档翻译成了文章），所以本文在介绍BaseDet之外，分享在完成BaseDet过程中面临的问题和思考。这些内容涉及的范围比较广，有关于深度学习框架、软件工程和开源项目等诸多内容；而这些问题和思考当然也不仅仅来源于BaseDet，同时也包含MegEn
