暑期将至，你准备好用哪个姿势拥抱假期了吗？

不管躺卧站立，都不耽误你参加 “收获不一样的暑假。

作为一项专门面向高校学生的开源项目开发活动，同学们可自由选择项目，与社区导师沟通实现方案并撰写项目计划书。被选中的同学将在社区导师指导下，按计划完成开发工作，并将成果贡献给社区。

根据项目的难易程度和完成情况，参与者将获得由主办方发放的项目奖金及证书奖励。

每个项目奖金总额根据项目难度分为 12000 元、9000 元和 6000 元（注：奖金数额为税前人民币金额）。

MegEngine 社区作为“开源软件供应链点亮计划”的老朋友，今夏准备了 9 个有趣的开放项目，等同学们来pick哦！下面，全是你们感兴趣的内容！

MegEngine 社区项目列表

项目一：添加 RNN/LSTM 系列算子

1. 项目难度：高

2. 项目产出要求：

• 在 MegEngine python 接口层面添加 RNN/LSTM 算子

• 参考内部文档在 c++ 层面实现 RNN/LSTMCell 算子，改进上层 python 接口，并达到与 pytorch 接近的性能

3. 项目技术要求：python、pytorch、C++

项目二：x86 中添加并优化 local

1. 项目难度：高

2. 项目产出要求：

• 在 x86 backend 下面完成 local 算子填加

• 算子计算结果和 naive 在所有 case 下结果完全一致

• 优化算子，使其逼近最佳性能

3. 项目技术要求：C++，性能优化

项目三：x86 中添加并优化 local share 算子

1. 项目难度：高

2. 项目产出要求：

• 在 x86 backend 下面完成 local share 算子填加

• 算子计算结果和 naive 在所有 case 下结果完全一致

• benchmark 并优化算子，使其逼近最佳性能

3. 项目技术要求：C++，性能优化

项目四：web 上运行 mge 模型

1. 项目难度：高

2. 项目产出要求：

在 web 上跑起来线性回归模型/手写字模型，要求提供 mge.js 和可运行的 model。

• 方案：

• 框架部分用 wasm 编译为 mge.js（需要能加载 dump 的 mge 模型，最好不要做模型转换）

• 缺的 kernel 可以参考 xnnpack 用 wasm 进行补充。（webgpu 当前效率不高，webgl 用于计算比较别扭，所以还是选支持 simd 的 wasm）

• 实现的效果分为 7 级：

• L0：可以加载模型和数据（可以不支持图优化/存储优化等各种优化，可以对现有的框架通过宏进行裁剪，甚至可以重写一个新框架，但必须保证模型的兼容性加载）

• L1：dense/matmul（必选）的前向 op 单测通过（要求 nchw 的 layout 下正确性ok）

• L2: 跑通线性回归模型前向

• L3: 跑通线性回归模型的后向和训练

• L4: 跑通 mnist 模型前向

• L5: 跑通 mnist 后向和训练

• L6: mnist 的 demo（参考 https://storage.googleapis.com/tfjs-examples/mnist/dist/index.html）

3. 项目技术要求：js/wasm/c++/python

项目五：一个对用户友好的 web profile 工具

1. 项目难度：高

2. 项目产出要求：

• 一个对用户友好的 web profile 工具 

• C/S 结构，前端负责收集模型、可视化、打印 profile 结果

• 后端负责实际跑模型，后端的支持可以覆盖 x86/cuda/arm 等

• L0: 前端能提交 mge 模型，打印模型的执行延迟。后端支持X86，能接受前端的模型并反馈延迟结果。后端的执行可以包装l oad_and_run（需要能填充模型的输入数据，加载完模型后打印模型的输入输出 tensor）。

• L1: 前端支持打印 profile 结果，后端反馈 profile 结果。后端的 profile 可以直接返回 load_and_run的profile json 结果，并提供过滤、排序、聚合等操作。反馈模型的输出 tensor name。

• L2: 前端支持模型结构预览(加载完模型后即可预览)，并可视化每层的耗时（profile 后可以看到耗时）

• L3: 扩展后端范围，包括 cuda/arm。方便没有设备的用户能直接得到性能数据。

• L4: 支持 MegEngine 的版本切换，支持上传 np 文件作为输入

3. 项目技术要求：html/js/c++/python

项目六：dnn backend 加入 apple NPU 的支持

1. 项目难度：高

2. 项目产出要求：

在 MACOS上推理可用 APPLE npu，基于 CoreML API

• L0: MegEngine 模型转换到 CoreML 可用格式, 能使用 CoreML API 把这个模型跑起来

• L1: 参考 MegEngine/src/tensorrt/impl 实现 CoreML 在 MegEngine 下的 runtime opr

• L2：最终在支持 CoreML 的平台上跑起来推理 MegEngine 并且利用 CoreML 加速

3. 项目技术要求：c++, macos

项目七：Python whl 支持 apple ARM macos

1. 项目难度：高

2. 项目产出要求：

• 在 apple arm macos 上，可用 MegEngine python

• L0: 本地编译通过

• L1: 包具备分发性，可安装到其他 aarch64+ MacBook 上，且能运行

• L2: 能在基于 aarch64 + MacBook 上训练一个模型

3. 项目技术要求：c++, 编译，macos

项目八：Python whl 支持 Android (限定在主流的ARM)

1. 项目难度：高

2. 项目产出要求：

• 在 Android aarch64 上(termux 环境)，可用 MegEngine python

• L0: NDK-x86 linux cross build aarch64 Android 编译通过

• L1: 包具备分发性，可安装到其他 aarch64+ Android 上，且能运行

• L2: 能在基于 aarch64 + Android + termux 训练一个小模型

3. 项目技术要求：c++, 编译， Android

项目九：模型转换 - ONNX 转 MegEngine

1. 项目难度：中

2. 项目产出要求：

转换能力需覆盖 model hub 里的模型

• 方案：

• 完成 ONNX 模型的解析

• 实现 ONNX 与 MGE 各类算子的转换

• 根据 ONNX 模型中包含的算子搭建出完整的 MGE 模型

• 实现效果：转换出来的模型可以完成推理

• L0：在特定版本上实现模型的转换

• L1：实现不同版本 ONNX 到 MGE 的转换

3. 项目技术要求：Python、ONNX

活动简介

开源软件供应链点亮计划-暑期2021 是一项专门面向高校学生的开源项目开发活动，旨在鼓励在校学生积极参与开源软件的开发维护，促进优秀开源社区的蓬勃发展。暑期 2021 由中国科学院软件研究所与 openEuler 社区主办，中科院软件研究所南京软件技术研究院承办，开源社、思否协办，联合各大开源社区，针对重要开源软件的开发与维护提供项目，并向全球高校学生开放报名。

点击「阅读原文」，提交项目申请