Jittor新版本推出JRender可微渲染库、支持Vision Transformer

计图又发布新版本了！12月8日Jittor发布1.2.2版本，推出了JRender 可微渲染库，并支持Vision Transformer。 从今年3月20日份发布以来,计图已经有若干个版本的迭代, 下图是Jittor更新历程。

让我们抢先看一看，Jittor包含哪些新功能和新特性吧。

JRender 可微渲染库

继10月10日发布实例分割模型库和3D点云模型库之后，计图正式发布Jittor的可微渲染库。目前支持obj加载和保存, 三角网格模型渲染, 内置2种主流可微渲染器, 支持多种材质渲染, 渲染相比PyTorch提速1.49倍~13.04倍。

现已在Github开源：https://github.com/Jittor/jrender 欢迎各位同学基于可微渲染库展开视觉与几何相关的研究， 并提出您宝贵的意见！

Vision Transformer

继Transformer在NLP领域取得巨大成功后，Vision Transformer又在视觉分类上取得了最好效果。该工作通过对图片进行patch拆分， 并使用Transformer Encoder进行分类。

Jittor复现了Vision Transformer， 并且训练速度相比较PyTorch提升20%，现在已在Github开源：https://github.com/li-xl/ViT.jittor

Jittor V1.2.2的其他改进

Yolo v3

Yolo v3是非常经典的图像检测网络，Jittor团队对其进行了加速和复现，目前训练速度相比较PyTorch提升11%。继上一次发布计图检测库以后，yolo v3的加入将进一步增强Jittor框架的图像处理功能。开源网址见：https://github.com/li-xl/yolov3.jittor

MobileNet系列推理训练速度全面提升

Jittor团队通过优化算子，实现了MobileNet训练和推理速度的全面提升，在不同的batch size和image size下提速可达10%～50%。训练教程将在后续推出。

骨干网络速度全面提升

Jittor团队进一步优化元算子，实现了骨干网络训练推理速度的全面提升。

计图强化学习算法

强化学习是现在热门的研究领域，Jittor提供了两种强化学习算法，目前已经上线在jittor-online-first github仓库：

Advantage Actor Critic (a2c)

Twin Delayed Deep Deterministic Policy Gradients (TD3)

开源网址见：https://github.com/jittor-online-first/

如何更新

使用如下命令，一键就可更新Jittor到最新版本: python3.7 -m pip install jittor

以上是本次更新抢先看的内容。在接下来几天，我们会不断为大家带来相关教程和更新详细解读，敬请期待，下面是我们的Jittor开发者交流群，欢迎您的加入，期待您提出宝贵的意见。