PET：利用部分等价变换优化张量程序的开源框架

PET：利用部分等价变换优化张量程序的开源框架

PET PET: Optimizing Tensor Programs with Partially Equivalent Transformations and Automated Corrections 项目地址: https://gitcode.com/gh_mirrors/pet2/PET

项目基础介绍及主要编程语言

PET（Partially Equivalent Transformations）是一个开源的深度学习框架，它通过应用部分等价变换和自动修正来优化张量程序。该项目主要由C++、Python和CUDA等编程语言实现，旨在提高深度神经网络（DNN）的计算效率。

核心功能

PET的核心功能是发现并应用程序变换，这些变换能够提升计算效率，同时保持张量程序的部分功能性。通过这种方式，PET能够在不牺牲结果准确性的前提下，大幅度提高计算性能。它包括以下关键特性：

• 部分等价变换：PET能够识别和应用那些只在特定条件下等价的变换，这些变换可以改善计算效率。
• 自动修正：在应用部分等价变换后，PET会自动修正结果，以确保输出与原始程序完全等价。
• 高效搜索算法：PET设计了一种高效的搜索算法，能够在张量、操作符和图层面结合完全和部分等价优化，快速发现高度优化的程序。

最近更新的功能

PET最近的更新包含了以下几个方面的改进：

• 性能优化：通过优化内部算法，提高了框架的执行效率，使得在多种深度学习任务上能够实现更快的运行速度。
• 扩展性增强：新版本增加了对更多深度学习操作符的支持，使得PET能够处理更广泛的深度学习模型。
• 易用性提升：更新了安装和配置指南，简化了用户从源代码安装PET的流程，使得框架更加易于部署和使用。
• 文档完善：对项目文档进行了完善，提供了更详细的用户指南和API说明，帮助用户更好地理解和使用PET框架。

PET PET: Optimizing Tensor Programs with Partially Equivalent Transformations and Automated Corrections 项目地址: https://gitcode.com/gh_mirrors/pet2/PET