本文主要是介绍文献阅读（233）nGraph，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
文章目录
- 1 abstract & introduction
- 2 related work
- 3 intermediate representation & framework bridges
- 题目：Intel nGraph An Intermediate Representation, Compiler, and Executor for Deep Learning
- 时间：2018
- 会议：The Conference on Systems and Machine Learning (SysML)
- 研究机构：英特尔
1 abstract & introduction
有很多的神经网络架构，有很多的硬件平台p，复杂度是O(fp)，需要用与架构无关的中间表示层IR来降低复杂度
这是英特尔搞的中间层，现在支持的是英特尔CPU，英特尔Nervana Neural Network Processor(NNP)，英伟达的GPU，
2 related work
这里列举了一些已有的编译器和IR
- XLA：谷歌的，面向TensorFlow
- TVM：陈天奇带头的，中间层是NNVM
- DLVM：伊利诺伊大学香槟分校，
- ONNX：英特尔的，要跟nGraph互通
3 intermediate representation & framework bridges
无环有向图、每个结点处理张量、nGraph在tensor element layout和axis之间没有固定的关系
- Apache MXNet：模型的操作存储成NNVM图，只要把NNVM转换成nGraph
- TensorFlow：用HLO中间表示，把他转换成nGraph即可
- neon：将nGraph API绑定到Python
这篇关于文献阅读（233）nGraph的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
