天元(MegEngine)是在旷视长期进行大规模AI业务落地过程中诞生的,这种业务形态对深度学习框架有很多挑战,在不断解决这些挑战的过程中,天元形成了动静合一、兼容并包、灵活高效、训练推理一体化等特性,能够帮助开发者高效的完成深度学习算法的设计、训练、部署,有效提升AI研发工作效率。 社区官方网址:https://megengine.org.cn/
天元开发者交流QQ群:1029741705
注:以下任务均需要能在纯开源版本中进行,因此最好避开过于底层的 C++ 代码(因为外部没有手机 Arm 测试)
任务名称 | 内容 | 难度 | 导师 | 具体内容 | 所需技能 |
---|---|---|---|---|---|
Github CI 增加 commit 内容检查 | 增加 commit message checker,以规范贡献者 commit 格式 | 中 | 张禄 [email protected] |
1. 使用 commitlint 工具,对于 commit message 进行规范 2. 集成 Gitlab Action |
1. SHELL 2. Git |
实现 MegEngine to Caffe 转换器 | 编写转换器,将 MegEngine 训练出的模型转换成 Caffe 模型 | 高 | 陈远昭 [email protected] |
1. 学习 MegEngine to MACE 转换器 2. 编写 Caffe 转换器 3. 正确性、性能测试 |
1. Python 2. Caffe |
实现 MegEngine to TFLite 转换器 | 编写转换器,将 MegEngine 训练出的模型转换成 TFLite 模型 | 高 | 陈远昭 [email protected] |
1. 学习 MegEngine to MACE 转换器 2. 编写 TFLite 转换器 3. 正确性、性能测试 |
1. Python 2. TF Lite |
添加一些常用的opr | 添加一些目前MegEngine缺乏的、常用的opr,大部分只需要在python层进行封装。 opr包括: |
中 | 胡焜 [email protected] |
1. 开发 operator 2. 添加测试证明正确性 3. 添加详细的docstring |
1. Python |
添加各类常用分类模型 | classification模型比如mobilenet/inception,但不需要训练/推理等完整代码,也不需要预训练权重,只需要模型实现即可,统一放在 vision/classification/models[contribution]下面,类似于torchvision那样,前期可以提供示例。 | 中 | 周亦庄 [email protected] |
1. Python 2.PyTorch |
|
实现 assistant 库 | 针对容易出错的使用方式,进行 warning 提示。 希望达到玩游戏的时候的那种辅助提示的效果 |
高 | 许欣然 [email protected] |
1. 实现一套 warning 的机制 2. 对于 momentum 等地方进行处理,在错读的地方报错 3. 编写测试 |
1. Python 2.深度学习框架使用经验 |
MegEngine 网络可视化 | 基于 Netron,对 MegEngine 训练网络进行可视化 | 高 | 许欣然 [email protected] |
1.Javascript 2. Python |
|
C++ 文档生成 | 基于 Doxygen 和 Sphinx,生成用于集成在官网的 C++ 使用文档 | 中 | 许欣然 [email protected] |
1. Python |
|
Models-CI 增加模型检查 | 对于Models中开源出去模型,进行试运行检查,及时定位Models中的问题 | 高 | 王枫 [email protected] |
1. 了解github中的workflow 2. 实现在CI下对模型试运行的逻辑 3. 编写对应测试 |
1. Python 2. shell 3. Git |