unifyai/ivy

해결하는 문제

Ivy는 머신러닝에서의 프레임워크 종속성(lock-in) 문제를 해결합니다. 개발자는 코드를 수동으로 다시 작성할 필요 없이 ML 모델, 도구 및 라이브러리를 한 프레임워크(예: PyTorch)에서 다른 프레임워크(예: TensorFlow, JAX 또는 NumPy)로 변환할 수 있습니다.

작동 방식

Ivy는 프레임워크 전용 코드를 선택한 대상 프레임워크로 변환할 수 있는 트랜스파일러(ivy.transpile)를 사용합니다. 특정 함수 또는 클래스에 대한 eager 트랜스파일과 전체 모듈 또는 라이브러리에 대한 lazy 트랜스파일을 모두 지원합니다. 또한, ivy.trace_graph 함수를 통해 주어진 함수로부터 효율적이고 완전한 기능의 계산 그래프를 추적하여 불필요한 코드를 제거합니다.

대상 사용자

특정 생태계의 장점이나 배포 요구 사항을 활용하기 위해 모델 또는 라이브러리를 서로 다른 딥러닝 프레임워크 간에 이동해야 하는 ML 엔지니어 및 연구자를 위해 설계되었습니다.

주요 특징

• 멀티 프레임워크 지원: PyTorch, TensorFlow, JAX 및 NumPy 간의 코드 변환을 지원합니다.
• 유연한 트랜스파일: 코드의 eager(즉시) 및 lazy(온디맨드) 변환을 모두 지원합니다.
• 그래프 트레이싱: 기존 프레임워크 코드에서 깨끗한 계산 그래프를 추출하는 기능.
• 라이브러리 이식성: 전체 서드파티 라이브러리를 다른 대상 프레임워크로 트랜스파일할 수 있습니다.