2020年3月20日，清华大学图形学实验室发布并开源了深度学习框架-计图(Jittor)。Jittor框架独树一帜，作为唯一全动态编译的深度学习框架，其元算子与Numpy一样易于使用，可便捷实现更为复杂和高效的操作。与此同时，统一计算图巧妙地融合了静态和动态计算图的优势，为用户提供了高性能的优化。计图框架已经在各个科研机构和企业中得到了广泛的应用。

为推动国产深度学习框架的生态建设，使深度学习领域的从业者更轻松地学习和应用Jittor框架，计图团队全面更新了计图的用户文档。

本次文档的更新主要包含以下几个亮点：功能描述更加详尽、示例内容更为丰富、对中文用户的友好度大幅提升。

• 功能描述更加详尽

我们对计图框架内各个函数和类的功能描述及其参数细节进行了扩充与丰富，旨在为用户提供一个更透彻、更综合的认识。通过这一系列的增强，确保了用户能够以更高效的方式掌握这些工具，进而优化和提升他们的项目与研究。此处，我们以计图中常用的损失函数 BCELoss 为例：

图1 BCELoss的旧文档

• 示例内容更为丰富

• 对中文用户的友好度大幅提升

在更新之前，计图框架的文档主要以英文呈现，这对母语为中文的用户并不便利。为了更好地服务广大中文母语用户，计图团队和志愿者对计图框架的文档进行了全面的中文化改写。通过推出全新的中文文档，我们旨在为中文用户提供一个更加流畅、更自然的使用体验，确保他们在探索和应用计图深度学习框架时能感受到友好的支持和使用的便捷。

图3、Conv的新文档

随着本次文档更新工作的顺利完成，计图团队想借此机会表达我们深深的感激之情。这次更新计图文档的工作量较大，不仅仅是计图团队成员的共同努力，更得益于计图社区中众多开发者的无私帮助和支持，他们的热情参与和专业建议，对于我们能够成功完善计图文档起到了关键的作用。

再次感谢每一位贡献者的宝贵支持，欢迎大家计图官网的论坛

https://discuss.jittor.org/

提出宝贵的意见，共同做好计图文档的维护和完善。我们期待与大家继续携手前行，共同推动计图深度学习框架向着更高标准迈进。

GGC往期回顾

1. 计图助力非十科技发布AI代码助手，代码大模型速度精度超越Copilot

2. Computational Visual Media第10卷第1期导读

3. 五位图形学领域学者入选IEEE Fellow

4. 视觉骨干网络VAN | CVMJ Spotlight

5. CVMJ获最新期刊影响因子6.9，计算机图形学领域排名第一

可通过下方二维码，关注清华大学图形学实验室，了解图形学、Jittor框架、CVMJ期刊和CVM会议的相关资讯。