MKL-DNN 1.1 发布，面向深度学习应用的开源性能库

MKL-DNN 是用于深度神经网络的英特尔数学核心库，是一款面向深度学习应用的开源性能库。 该库包括针对英特尔架构处理器和英特尔处理器显卡优化的神经网络的基本构建模块。 MKL-DNN 1.1 发布了，现重新命名为深度神经网络库(DNNL)，内容有：

• 使用 TBB 线程改进功能性能，实现与 OpenMP 线程相同的性能
• 改进 INT 8 和 FP32 GEMM 在系统上的性能与英特尔 AVX-512 和英特尔 VNNI 的支持
• 改进了 NHWC 和相应的阻塞布局的 Softmax 性能
• 改进了 RNN 信元性能，降低了编译器矢量化能力对 RNN 性能的依赖性
• 在 RNN 信元中引入 bFloat 16 数据类型支持
• 引入 int8 和 bFloat 16 数据类型对 GPU 功能的支持

MKL-DNN 这个面向性能的库提供了为 Intel IA CPU 和 GPU 优化的神经网络构建块。MKL-DNN/DNNL 旨在与 PyTorch、TensorFlow、ONNX、Chainer、BigDL、Apache MXNet 和其他流行的深度学习应用程序合作。

更多内容见发布说明：

https://github.com/intel/mkl-dnn/releases/tag/v1.1