【开源任务】GraphNet 计算图收集

[JewelRoam]

一、GraphNet：向庞大计划迈出第一步

你愿意成为 下一代 AI Infra 机床 的共创者吗？
我们欢迎所有开发者，加入 Graphnet 贡献墙。

当前，深度学习模型数量日益庞大，却严重依赖于手动内核优化（如算子融合），使得模型和编译器算法与特定硬件紧密相关，严重增加了高性能开发的成本。而 AI for Compilers 通过将深度学习集成到张量编译器后端中，从而快速探索出最优性能。可以预计，随着大语言模型的快速发展，智能编译器将在各种硬件平台上自动传输算子融合模式，实现 AI Infra 的端到端优化。我们称之为 AI Infra 机床：“A machine tool that builds tools”。

为了支持此愿景，受 ImageNet 之于 CV 领域的启发，我们提出 GraphNet，计划构建一个 大规模计算图集合，包含逾百万张计算图，覆盖跨越NLP、CV和多模态的50余个模型类别，旨在作为训练和验证 AI 驱动的张量编译器的标准数据集。为了确保样本规模、正确性和丰富度，我们设计了一套简洁而强大的约束规则，确保计算图抽取过程可复现，并支持编译器评测与性能优化研究。

我们坚信，GraphNet 将为 “AI for Systems” 以及 “System for AI” 的新一代研究奠定基础。

参与本项活动，您将了解 GraphNet 开源数据集的设计，以及我们后续的 AI4C 张量编译机床构想，学习 Pytorch / Paddle 框架组件的调试技能，并积累向 Paddle 开源社区贡献的经验。

二、任务注册

由于 GraphNet 计划优先增广数据集的丰富度、拆解粒度，同时避免更新延迟导致重复劳动，开发者需要预先登记目标任务（例如特定模型on特定框架）：

1. 检索该任务是否已被注册，任务列表见 腾讯文档

2. 按照文档内格式填写

   1. 区分不同模型类型的工作表（多模态、CV、NLP、语音、RL & Robotics、其它）
   2. 填写模型名称、来源框架、认领人 Github id

3. 等待 GraphNet 团队审核（请关注 “任务注册审核” 列）

   1. 我们将第一时间处理，至少每天1次——对于大部分任务将保持开放，从而保证效率；
   2. 少数情况下，例如一类已收集过多数据且被判定为低价值的模型，我们有可能需要跟您商量调整；
   3. 如需加急审核，请在微信群里@我们。

4. 审核通过，请开始推进任务；审核未过，请调整任务
5. 对于成功注册（领取）的任务，我们将锁定一周并不允许其他人重复注册；在一周后若未能完成，则可以被其他人领取。

三、贡献流程

请参阅中文的 共创者指引 或英文的 Co-Creation Tutorial

四、验收标准

我们的检查过程基于CI工具，如果 GitHub Actions 工作流显示 绿色成功状态，PR 可给 GraphNet 团队 Review，Approve 后可被合并；

若失败，开发者需根据 PR 的 Checks 标签页 中的错误日志，更新提交 PR 触发新的检查。

其核心检查环节与 Validation API 一致，验证8项 GraphNet 数据集约束（Dataset Construction Constraints）。

其它的要求：

1. 1个 PR 只包含1个模型修改（计算图或脚本）
2. 遵守 PR 填写模版
3. 没有重复先前已完成的工作