欢迎来到Hetu！¶

河图(Hetu) 是一个兼顾创新性和可用性的分布式深度学习系统，由北京大学崔斌教授团队研发，这也是首个由国内高校自主研发的分布式深度学习系统。该系统与现有相关基线系统完全解耦，并具有多项先进特性：

通用：采用标准的数据流图方式定义深度学习模型，底层实现了丰富的CPU以及GPU算子库，支持大量常见深度学习模型的计算；另外，该系统还支持10余种主流机器学习算法的高效求解，如：LR、GBDT、LDA等。
高效：采用多项技术创新，使得其计算性能相比于主流深度学习系统TensorFlow等显著提升，在常见的DNN、CNN、RNN基准测试上取得了至少30%的性能优势。
敏捷：支持自动化机器学习流程搜索与求解，包括：特征工程、模型选择、超参数调优等，使机器学习模型开发过程更容易。
灵活：支持参数服务器和全局规约通信架构，支持数据并行、模型并行以及流水线并行等多种并行训练方式，针对硬件环境，通过多种策略组合提供最优分布式部署方案。
扩展：在硬件上，通过显存优化和通信优化技术，支持上百节点的分布式部署；在模型上，支持千亿级参数规模的深度学习模型训练，已经在Criteo、Open Graph Benchmark等多个大规模基准数据集上进行了测试。

本项目由国家重点研发计划支持，相关成果已经发表了多篇CCF-A类高水平学术论文，目前项目已经开源在：https://github.com/PKU-DAIR/Hetu。

我们欢迎所有对机器学习或分布式系统感兴趣的人提供代码、创建问题或请求。更多细节请参考贡献指南和发展计划。

新闻¶

概述

特征

导引

发展计划