基于动态编译（Just-in-Time）的全新深度学习框架

Jittor 是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。[1]

据介绍，Jittor 内部使用创新的元算子和统一计算图的深度学习框架。和 Numpy 相比，元算子在保证易用性的同时，能够实现更复杂、更高效的操作。而统一计算图则是融合了静态计算图和动态计算图的诸多优点，在易于使用的同时，提供高性能的优化。基于元算子开发的深度学习模型，可以被计图实时自动优化并且运行 CPU、GPU 等指定的硬件上。

Jittor 特性

Jittor 是基于易用、可定制、实现与优化分离、即时的理念设计的。用户只需要数行代码，就可定义新的算子和模型，且所有的代码都是即时编译运行。

在 Jittor 上，多个元算子之间可以相互融合，成为更加复杂的算子，进一步构成神经网络和深度学习应用。

支持计算任意高阶导数。元算子在 Jittor 上反向传播后仍然是元算子，因此，在深度学习开发过程中，你不用算子的反向传播而重复开发。同时，还可以使用统一的优化策略。

使用 Jittor 内置的元算子编译器，用户可以直接将通过元算子编写的 Python 代码动态编译成更高效的 C++ 代码。

Jittor 能够自动优化动态编译的代码。其内置的优化编译遍（complier pass）兼容 LLVM，可以根据设备进行自动优化，生成的底层算子对计算设备非常友好。

Jittor 统一管理 GPU 和 CPU 的内存。当深度学习耗尽 GPU 内存资源时，将用 CPU 内存弥补。

Jittor 同时提供同步接口和异步接口，用户可以同时享受同步接口的易用性和异步接口的高效性。

使用辅助转换脚本，PyTorch 代码可以直接转换成 Jittor 模型。在参数保存和数据传输上，Jittor使用和 PyTorch 一样的 Numpy+pickle 协议，二者的模型可以相互加载和调用。

性能超越 Pytorch

虽然这是清华大学第一次发布开源机器学习框架，但与国际主流平台相比，Jittor 豪不逊色。 目前 ResNet、VGG、SSD、DeepLab、LSGAN 等多个网络模型已经在 Jittor 平台实现，可供用户使用。与同类型框架相比，Jittor 在收敛精度一致情况下，推理速度取得了 10%-50% 的性能提升 。

目前，Jittor 得到了国家自然科学基金项目、北京信息科学与威廉希尔官方网站 国家研究中心团队项目和清华-腾讯联合实验室项目的资助和支持。

开源超级玩家

开源，特别是人工智能领域的开源，逐渐成为综合实力的象征。清华在这方面有着独到的优势。

首先，是在人工智能领域的学术传承。2019 年，清华人工智能研究院动作频频，在张钹院士的带领下，4 月成立听觉智能研究中心，由郑方教授担任主任，5 月成立基础理论研究中心，朱军任主任，在基础算法、AI 框架、AI 应用、数据资源等方面早已布好基础。

第一代院士打好基础，第二代老师形成了中坚力量。此次惊艳推出的计图（Jittor），牵头人就是清华大学计算机系的胡事民教授，1969 年生人，正属于中坚，而开发团队的主体，正是他带领的图形学实验室的一批博士生。今天出世的计图更不免让人想到当年的清华毕业生贾扬清，他在加州大学伯克利分校攻读博士期间创建了 Caffe 项目。

清华大学自然语言处理实验室（THUNLP）也有一个知名的开源项目，叫 OpenNRE。[2] 这是一个在自然语言处理里进行关系提取的开源框架，可以用于扩展知识图谱，是推荐系统、搜索引擎、问题解答这些应用的基础和关键威廉希尔官方网站 。

实验室由孙茂松教授领衔，带出了一批骨干老师，以及本硕博的尖子。THUNLP 在 GitHub 上得到的 star，已经跟全球最强的斯坦福 NLP 小组的 star 差不多了。

由此带出的第三代学生梯队也人才济济。清华姚班自不必说，去年以本科人才培养著名的姚期智教授又开设智班，重点培养人工智能领域的后备军。

姚班毕业，目前在 MIT 就读的博士生胡渊鸣，设计、实现了 Taichi 编程语言及其优化编译器，后生可畏。[3]

另外，清华和企业以实验室形式的合作，硕果累累，吸引了像张亚勤、沈向洋这样的大师级科学家加入。

比如，清华和微软研究院合作了 Convlab 开源端到端对话系统 [4]，和美团合作了视频动作分析的开源数据集 COIN [5]。

去年，清华-伯克利深圳学院更是成立了“RISC-V 国际开源实验室”，直接将图灵奖得主、最早提出“精简指令集”（RISC）体系的大卫·帕特森（David Patterson）引入，抓住了开源和源创的源头，有可能在芯片领域形成新的开源 CPU 生态体系，打造国家重器。