项目一：MegEngine 中 Arm backend 中反卷积支持 nc4hw4 layout 计算优化

项目描述：
- 背景：MegEngine 作为训推一体框架，其在 Arm 上的推理性能也非常重要，目前 MegEngine Arm 推理性能经过 benchmark 在业界处于第一梯队，主要优化方式是在Arm上支持 NC4HW4的layout，Layout 的详细解释见：知乎回答，目前反卷积 Forward 算子中没有支持这种 Layout 形式优化，希望通过支持这种 Layout 达到优化性能的目的。
- 需求：在 ArmCommon 中 ConvolutionBackwardDataImpl 中支持 NC4HW4 layout 的计算，使得 ConvolutionBackwardDataImpl 可以在 NC4HW4 的 layout 下完成计算，并且性能不差于目前的 NCHW layout。
项目难度：进阶
项目产出要求：
- 代码规范
- 相同 shape 下，性能超过目前 NCHW
项目技术要求
- C++
- 反卷积计算原理
- Arm neon 优化
项目成果仓库：https://github.com/MegEngine/MegEngine

项目二：MegEngineLite 支持进程化 Debug

项目描述：
- 背景：目前 MegEngine 作为用户的最底层，很多情况下崩溃，会将栈暴露在 MegEngine 中，但是很多情况是由于用户环境里面的其他程序踩踏了 Lite 的内存，因此看上去是崩溃在 MegEngine 中。
- 需求：lite 计算支持一种 debug 模式，这种模式通过 env 控制（模式配置需要在 caller 调用发生调用任意 LITE API 之前就完成，所以需要和 API 本身解绑），在这种模式下模型的执行会 fork 一个单独的进程，并执行，这时候就和用户的进程进行了隔离，避免内存被踩踏的情况发生。
项目难度：进阶
项目产出要求：能让 MegEngine 推理服务和 Lite 接口 caller 分别运行在不同的进程，进程间通信高效
项目技术要求
- C++/C
- 主流操作系统创建进程
- 高效的进程间通信
项目成果仓库：https://github.com/MegEngine/MegEngine

项目描述：
- 背景：MegEngine Hub 中实现了常用的分类检测等算法，但是还缺少一些最新的深度学习研究领域的算法实现。
- 需求：用 MegEngine 中，添加 CLIP、VQGAN、DALL·E、BigSleep 模型的推理代码，确保精度与其他框架中一致，并添加到 MegEngine Hub 上。
项目难度：进阶
项目产出要求：
- 在 https://github.com/MegEngine/ 下贡献一个代码实现的 repo 并有对应的使用文档说明
- 模型运行与其他框架结果可对应（比如实现 CLIP，可与 https://github.com/openai/CLIP 进行模型对分）
项目技术要求
- Python
- 深度学习
项目成果仓库：
- https://github.com/MegEngine/MegEngine
- https://github.com/MegEngine/Models

项目描述：
- 背景：目前 MegEngine 开发时没有没有进行 apple aarch64 macos 操作系统的适配，MegEngine 并没有发布适配 apple aarch64 macos 的安装包。随着 apple aarch64 macos 电脑越来越多，此需求日益剧增。
- 需求：在 MegEngine 中适配 apple aarch64 macos，完成 MegEngine apple aarch64 macos 安装包发布。
项目难度：进阶
项目产出要求：在 apple aarch64 macos 上，产出 MegEngine 的 wheel 安装包。
- L0: MegEngine 在 apple aarch64 macos 上可本地编译通过。
- L1: 包具备分发性，可安装到其他 aarch64+ macbook 上，且能正常运行。
- L2: 安装后能训练一个模型。
项目技术要求
- C++
- 编译
- macos
项目成果仓库：https://github.com/MegEngine/MegEngine

MegEngine 技术交流 QQ 群：1029741705