项目信息

项目名称

web 上运行 mge 模型 （210040016）

方案描述

使用WebAssembly将MegEngine与Web建立联系。

我的实现将保留大部分C++源代码，使用Typescript重写Python的部分，最后使用WebAssembly将Typescript和C++连接起来。

这样做的好处是，复用MegEngine中的运算符，甚至包括模型的定义和序列化方法，可以保证Megjs与MegEngine最大程度的兼容。

时间安排

1. L0 加载模型和数据 7.1-7.15

   复用MegEngine核心代码，读取MegEngine模型。

2. op前向单测通过 7.16 - 8.1

   将MegEngine中的算子(Naive)实现编译成WASM，然后使用ts编写接口，进行模型前向计算。

3. L2 - L3 线性回归模型 8.1 - 8.15

   使用Tensor直接计算，完成线性回归模型

4. L4 - L5 mnist模型 8.16 - 8.30

   使用High Level的模型实现Mnist

5. L6 mnist web demo 9.1 - 9.30

   完成整个项目展示

为什么需要 Megengine.js ？

造轮子之前，最好先明确这个轮子的价值，避免重复造轮子。而 Megengine.js 的价值主要体现在两个方面：

端上运算需求增大

深度学习不断发展，用户对于自己隐私和数据的保护意识也逐渐增强，如果应用需要将一些敏感数据（身份证照片等）上传到服务器，那用户一定会心有疑虑。边缘设备的计算能力不断增加，也让端上运算变得可行。除了系统层面调用 API 来计算，像微信小程序这类需要运行在另一个程序内部，无法直接接触系统 API 的应用，并没有比较合适的方法来计算，许多深度学习应用小程序依然需要将数据发送到服务器上进行计算，在高风险场景下是行不通的。

Web 端需求增大