UGraph 是深度学习框架，UGraph 中的 U 是 unify 的缩写，UGraph 致力于实现几方面的统一： 1. 动态图和静态图的统一；2. 训练和推理的统一；3. 各种芯片调用的统一；4. 单机计算和分布式计算的统一。在此之前，这些功能都有不同的实现方式，并且需要使用不同的框架，比如 TensorFlow、PyTorch、oneDNN、TensorRT、MNN、Megatron-LM 和 HugeCTR 等。UGraph 将探索深度学习框架中使用到的各类技术，尝试以统一的方式解决这些问题。
设计目标：
- 易用性：模型训练：易于调试、修改；模型部署：易于嵌入各类应用中；框架开发：架构清晰、文档齐全、开发成本低。
- 高性能：充分发挥计算设备提供的计算和并发潜能。
- 统一：在统一的架构下，解决深度学习的各类问题，即降低框架的开发成本，也避免用户在不同框架之间迁移的成本。
UGraph 仅为 peitingkuan 个人开发的研究性项目，目的是学习深度学习框架中的各类技术、提高个人的开发水平和验证想法的正确性。文档中提到的功能，仅为愿景和目标，并非已经实现的功能。此项目目前仅处于 Demo 的开发阶段。
- 如何设计统一的深度学习框架：介绍 UGraph 构建统一的深度学习框架使用的方法。
- “Graph”概述：UGraph 统一动态图与静态图运行时的方法。
- UGraph 架构：UGraph 的架构设计。
安装 cmake 3.17.0 及以上版本，执行 ugraph/script/ 目录下的脚本生成工程并编译：
- Windows，使用 Visual Studio 2017 编译
- MacOS，使用 Xcode 编译
- Linux，使用 make 命令编译
在 ugraph/test 和 ugraph/python/ugraph/test 目录分别提供了 c++ 及 python 的单元测试。