Jittor 是一個采用元算子表達神經網絡計算單元、完全基于動態編譯（Just-in-Time）的深度學習框架。[1]

據介紹，Jittor 內部使用創新的元算子和統一計算圖的深度學習框架。和 Numpy 相比，元算子在保證易用性的同時，能夠實現更復雜、更高效的操作。而統一計算圖則是融合了靜態計算圖和動態計算圖的諸多優點，在易于使用的同時，提供高性能的優化。基于元算子開發的深度學習模型，可以被計圖實時自動優化并且運行 CPU、GPU 等指定的硬件上。

Jittor 特性

Jittor 是基于易用、可定制、實現與優化分離、即時的理念設計的。用戶只需要數行代碼，就可定義新的算子和模型，且所有的代碼都是即時編譯運行。

在 Jittor 上，多個元算子之間可以相互融合，成為更加復雜的算子，進一步構成神經網絡和深度學習應用。

支持計算任意高階導數。元算子在 Jittor 上反向傳播后仍然是元算子，因此，在深度學習開發過程中，你不用算子的反向傳播而重復開發。同時，還可以使用統一的優化策略。

使用 Jittor 內置的元算子編譯器，用戶可以直接將通過元算子編寫的 Python 代碼動態編譯成更高效的 C++ 代碼。

Jittor 能夠自動優化動態編譯的代碼。其內置的優化編譯遍（complier pass）兼容 LLVM，可以根據設備進行自動優化，生成的底層算子對計算設備非常友好。

Jittor 統一管理 GPU 和 CPU 的內存。當深度學習耗盡 GPU 內存資源時，將用 CPU 內存彌補。

Jittor 同時提供同步接口和異步接口，用戶可以同時享受同步接口的易用性和異步接口的高效性。

使用輔助轉換腳本，PyTorch 代碼可以直接轉換成 Jittor 模型。在參數保存和數據傳輸上，Jittor使用和 PyTorch 一樣的 Numpy+pickle 協議，二者的模型可以相互加載和調用。

性能超越 Pytorch

雖然這是清華大學第一次發布開源機器學習框架，但與國際主流平臺相比，Jittor 豪不遜色。 目前 ResNet、VGG、SSD、DeepLab、LSGAN 等多個網絡模型已經在 Jittor 平臺實現，可供用戶使用。與同類型框架相比，Jittor 在收斂精度一致情況下，推理速度取得了 10%-50% 的性能提升 。

目前，Jittor 得到了國家自然科學基金項目、北京信息科學與技術國家研究中心團隊項目和清華-騰訊聯合實驗室項目的資助和支持。

開源超級玩家

開源，特別是人工智能領域的開源，逐漸成為綜合實力的象征。清華在這方面有著獨到的優勢。

首先，是在人工智能領域的學術傳承。2019 年，清華人工智能研究院動作頻頻，在張鈸院士的帶領下，4 月成立聽覺智能研究中心，由鄭方教授擔任主任，5 月成立基礎理論研究中心，朱軍任主任，在基礎算法、AI 框架、AI 應用、數據資源等方面早已布好基礎。

第一代院士打好基礎，第二代老師形成了中堅力量。此次驚艷推出的計圖（Jittor），牽頭人就是清華大學計算機系的胡事民教授，1969 年生人，正屬于中堅，而開發團隊的主體，正是他帶領的圖形學實驗室的一批博士生。今天出世的計圖更不免讓人想到當年的清華畢業生賈揚清，他在加州大學伯克利分校攻讀博士期間創建了 Caffe 項目。

清華大學自然語言處理實驗室（THUNLP）也有一個知名的開源項目，叫 OpenNRE。[2] 這是一個在自然語言處理里進行關系提取的開源框架，可以用于擴展知識圖譜，是推薦系統、搜索引擎、問題解答這些應用的基礎和關鍵技術。

實驗室由孫茂松教授領銜，帶出了一批骨干老師，以及本碩博的尖子。THUNLP 在 GitHub 上得到的 star，已經跟全球最強的斯坦福 NLP 小組的 star 差不多了。

由此帶出的第三代學生梯隊也人才濟濟。清華姚班自不必說，去年以本科人才培養著名的姚期智教授又開設智班，重點培養人工智能領域的后備軍。

姚班畢業，目前在 MIT 就讀的博士生胡淵鳴，設計、實現了 Taichi 編程語言及其優化編譯器，后生可畏。[3]

另外，清華和企業以實驗室形式的合作，碩果累累，吸引了像張亞勤、沈向洋這樣的大師級科學家加入。

比如，清華和微軟研究院合作了 Convlab 開源端到端對話系統 [4]，和美團合作了視頻動作分析的開源數據集 COIN [5]。

去年，清華-伯克利深圳學院更是成立了“RISC-V 國際開源實驗室”，直接將圖靈獎得主、最早提出“精簡指令集”（RISC）體系的大衛·帕特森（David Patterson）引入，抓住了開源和源創的源頭，有可能在芯片領域形成新的開源 CPU 生態體系，打造國家重器。