Release Notes¶
MindSpore 2.0.0-rc1 Release Notes¶
主要特性和增强¶
FrontEnd¶
[BETA] 静态图模式下,函数及类方法支持”return None”、”return”、无”return”语法。
[BETA] 静态图模式下,支持返回list类型对象。
[BETA] 静态图模式下,变量条件时,支持”raise”语法。
[STABLE] 函数式调用支持数据下沉模式。
[BETA] nn下新增Transformer层,提供更加易用的Transformer API,无需定义batch_size,支持动态seq_length。
DataSet¶
[STABLE] Ascend环境下,数据下沉模式超时等待时间调整,默认调整到1900s,以解决数据下沉模式时因环境资源竞争、计算量大等因素容易导致GetNext算子等待超时的问题。
[STABLE] MindRecord提供Schema、样本数查询接口,并提供多进程并行写入功能,允许用户更快生成MindRecord数据文件。
[STABLE] Dataset流水线支持处理任意Python对象,用法参考数据pipeline支持Python对象。
AutoParallel¶
[STABLE] 策略保存时支持保存完整策略。
[STABLE] 支持Conv3D/MaxPool3D/AvgPool3D分布式算子。
[STABLE] 支持PyNative+shard算子级并行+优化器并行:并行表达和Model进行解耦,提供基础的并行表达能力。
[STABLE] 支持图模式算子级并行+优化器并行:并行表达和Model进行解耦,提供基础的并行表达能力。
[BETA] 支持自定义分布式图切分,提升分布式训练的灵活性。
Runtime¶
[STABLE] 控制流支持子图下沉。
[STABLE] 支持CUDA 11.6。
[STABLE] 支持List/Tuple/Scalar类型算子的算子选择和执行,配套Python原生表达。
[STABLE] 硬件不支持的算子自动选择CPU算子。
[STABLE] 支持子图内部异构执行。
Ascend¶
[STABLE] 支持CANN溢出检测新方案和HCCL运行态溢出检测。
[STABLE] 支持集合通信算子dump功能。
Profiler¶
[STABLE] 丰富Profiler采集项配置,用户可以更细度地采集性能数据。
Dump¶
[BETA] 单卡PyNatvie模式支持算子溢出检测。
[BETA] Graph模式支持hccl算子dump。
API变更¶
[STABLE] 新增计算类API,如:MaxUnpool、ReplicationPad、GaussianNLLLoss等。 详情请参考:https://www.mindspore.cn/docs/zh-CN/r2.0/api_python/mindspore.html。
[STABLE] 扩展存量API功能,如:AvgPool、pad、norm、interplate等。
算子¶
[BETA]
mindspore.ops.AdaptiveAvgPool3D
新增算子原语。[BETA]
mindspore.ops.AffineGrid
新增算子原语。[BETA]
mindspore.ops.Angle
新增算子原语。[BETA]
mindspore.ops.BartlettWindow
新增算子原语。[BETA]
mindspore.ops.Bernoulli
新增算子原语。[BETA]
mindspore.ops.BesselI0
新增算子原语。[BETA]
mindspore.ops.BesselI1
新增算子原语。[BETA]
mindspore.ops.BesselJ0
新增算子原语。[BETA]
mindspore.ops.BesselJ1
新增算子原语。[BETA]
mindspore.ops.BesselK0
新增算子原语。[BETA]
mindspore.ops.BesselK0e
新增算子原语。[BETA]
mindspore.ops.BesselK1
新增算子原语。[BETA]
mindspore.ops.BesselK1e
新增算子原语。[BETA]
mindspore.ops.BesselY0
新增算子原语。[BETA]
mindspore.ops.BesselY1
新增算子原语。[BETA]
mindspore.ops.Bincount
新增算子原语。[BETA]
mindspore.ops.BlackmanWindow
新增算子原语。[BETA]
mindspore.ops.ChannelShuffle
新增算子原语。[BETA]
mindspore.ops.Cholesky
新增算子原语。[BETA]
mindspore.ops.Col2Im
新增算子原语。[BETA]
mindspore.ops.Complex
新增算子原语。[BETA]
mindspore.ops.ComplexAbs
新增算子原语。[BETA]
mindspore.ops.Cross
新增算子原语。[BETA]
mindspore.ops.CTCLossV2
新增算子原语。[BETA]
mindspore.ops.Cummin
新增算子原语。[BETA]
mindspore.ops.Diag
新增算子原语。[BETA]
mindspore.ops.Digamma
新增算子原语。[BETA]
mindspore.ops.Eig
新增算子原语。[BETA]
mindspore.ops.Expand
新增算子原语。[BETA]
mindspore.ops.Fmax
新增算子原语。[BETA]
mindspore.ops.Gcd
新增算子原语。[BETA]
mindspore.ops.Geqrf
新增算子原语。[BETA]
mindspore.ops.GLU
新增算子原语。[BETA]
mindspore.ops.GridSampler2D
新增算子原语。[BETA]
mindspore.ops.GridSampler3D
新增算子原语。[BETA]
mindspore.ops.HammingWindow
新增算子原语。[BETA]
mindspore.ops.Heaviside
新增算子原语。[BETA]
mindspore.ops.Hypot
新增算子原语。[BETA]
mindspore.ops.Igamma
新增算子原语。[BETA]
mindspore.ops.IndexFill
新增算子原语。[BETA]
mindspore.ops.InplaceIndexAdd
新增算子原语。[BETA]
mindspore.ops.InplaceUpdateV2
新增算子原语。[BETA]
mindspore.ops.Lcm
新增算子原语。[BETA]
mindspore.ops.LeftShift
新增算子原语。[BETA]
mindspore.ops.LogicalXor
新增算子原语。[BETA]
mindspore.ops.Logit
新增算子原语。[BETA]
mindspore.ops.LogSpace
新增算子原语。[BETA]
mindspore.ops.LuUnpack
新增算子原语。[BETA]
mindspore.ops.MatrixDiagPartV3
新增算子原语。[BETA]
mindspore.ops.MatrixDiagV3
新增算子原语。[BETA]
mindspore.ops.MatrixSetDiagV3
新增算子原语。[BETA]
mindspore.ops.MaxPool3DWithArgmax
新增算子原语。[BETA]
mindspore.ops.MaxUnpool2D
新增算子原语。[BETA]
mindspore.ops.MaxUnpool3D
新增算子原语。[BETA]
mindspore.ops.MultiMarginLoss
新增算子原语。[BETA]
mindspore.ops.MultinomialWithReplacement
新增算子原语。[BETA]
mindspore.ops.Mvlgamma
新增算子原语。[BETA]
mindspore.ops.NanToNum
新增算子原语。[BETA]
mindspore.ops.NextAfter
新增算子原语。[BETA]
mindspore.ops.Orgqr
新增算子原语。[BETA]
mindspore.ops.Polygamma
新增算子原语。[BETA]
mindspore.ops.Qr
新增算子原语。[BETA]
mindspore.ops.ResizeBilinearV2
新增算子原语。[BETA]
mindspore.ops.RightShift
新增算子原语。[BETA]
mindspore.ops.ScatterNdDiv
新增算子原语。[BETA]
mindspore.ops.ScatterNdMul
新增算子原语。[BETA]
mindspore.ops.SearchSorted
新增算子原语。[BETA]
mindspore.ops.Sinc
新增算子原语。[BETA]
mindspore.ops.Trace
新增算子原语。[BETA]
mindspore.ops.Tril
新增算子原语。[BETA]
mindspore.ops.TrilIndices
新增算子原语。[BETA]
mindspore.ops.TriuIndices
新增算子原语。[BETA]
mindspore.ops.UniqueConsecutive
新增算子原语。[STABLE]
mindspore.ops.Cummax
新增算子原语。[STABLE]
mindspore.ops.FillV2
新增算子原语。[STABLE]
mindspore.ops.IsClose
新增算子原语。[STABLE]
mindspore.ops.MatrixSolve
新增算子原语。[STABLE]
mindspore.ops.Median
新增算子原语。[STABLE]
mindspore.ops.MultilabelMarginLoss
新增算子原语。[STABLE]
mindspore.ops.NonZero
新增算子原语。[STABLE]
mindspore.ops.Pdist
新增算子原语。[STABLE]
mindspore.ops.Polar
新增算子原语。[STABLE]
mindspore.ops.RandomGamma
新增算子原语。[STABLE]
mindspore.ops.RandomPoisson
新增算子原语。[STABLE]
mindspore.ops.RandomShuffle
新增算子原语。[STABLE]
mindspore.ops.Renorm
新增算子原语。[STABLE]
mindspore.ops.ScatterNdMax
新增算子原语。[STABLE]
mindspore.ops.ScatterNdMin
新增算子原语。[STABLE]
mindspore.ops.Svd
新增算子原语。[STABLE]
mindspore.ops.TripletMarginLoss
新增算子原语。
删除接口¶
mindspore.compression
特性在MindSpore 1.8版本已经废弃,在当前版本被删除。用户可以使用昇思金箍棒作为mindspore.compression
的替代品来实现MindSpore中的量化感知训练算法。mindspore.dataset.close_pool
、mindspore.dataset.to_device
、mindspore.dataset.set_dynamic_columns
接口在之前版本已废弃,当前版本正式删除。
非兼容性接口变更¶
接口名称:mindspore.set_context(mode=PYNATIVE_MODE)
变更内容:默认由GRAPH_MODE改为PYNATIVE_MODE。
说明:原有使用方式若未设置运行模式,该变更会影响性能,需要额外设置图模式,则使用以下方式: mindspore.set_context(mode=GRAPH_MODE)。
原接口 v2.0.0-rc1接口 mindspore.set_context(mode=GRAPH_MODE)
mindspore.set_context(mode=PYNATIVE_MODE)
接口名称:mindspore.train.Model.train
变更内容:dataset_sink_mode 默认值由True改为False。
说明:原有使用方式若未设置dataset_sink_mode,该变更会影响性能,需要额外设置数据下沉运行模式,则使用以下方式: Model.train(dataset_sink_mode=True)。
原接口 v2.0.0-rc1接口 Model.train(dataset_sink_mode=True)
Model.train(dataset_sink_mode=False)
接口名称:mindspore.export
变更内容:参数file_format由”AIR”改为不指定默认值。
说明:原有使用方式若未设置file_format,需要额外设置file_format,则使用以下方式: mindspore.export(net, *inputs, file_name, file_format=”AIR”, **kwargs)。
原接口 v2.0.0-rc1接口 mindspore.export(net, *inputs, file_name, file_format="AIR", **kwargs)
mindspore.export(net, *inputs, file_name, file_format, **kwargs)
接口名称:mindspore.ops.norm
变更内容:扩展ord参数功能,支持多种形式。
原接口 v2.0.0-rc1接口 ops.norm(input_x, axis, p=2, keep_dims=False, epsilon=1e-12) >>> # 举例: >>> input = Tensor(np.array([[[1.0, 2.0], [3.0, 4.0]], ... [[5.0, 6.0], [7.0, 8.0]]]).astype(np.float32)) >>> output = ops.norm(input, [0, 1], p=2)
ops.norm(A, ord=None, dim=None, keepdim=False, *, dtype=None) >>> # 举例: >>> input = Tensor(np.array([[[1.0, 2.0], [3.0, 4.0]], ... [[5.0, 6.0], [7.0, 8.0]]]).astype(np.float32)) >>> output = ops.norm(input, ord=2, dim=(0, 1))
接口名称:mindspore.Tensor.norm
变更内容:扩展ord参数功能,支持多种形式。
说明:参考ops.norm例子。
原接口 v2.0.0-rc1接口 Tensor.norm(axis, p=2, keep_dims=False, epsilon=1e-12)
Tensor.norm(ord=None, dim=None, keepdim=False, *, dtype=None)
接口名称:mindspore.ops.dropout
变更内容:删除seed0、seed1参数,新增参数seed=None。由返回Tensor和掩码改为只返回Tensor,新增入参training=True。
原接口 v2.0.0-rc1接口 ops.dropout(x, p=0.5, seed0=0, seed1=0) >>> # 举例: >>> input = Tensor(((20, 16), (50, 50)), ... mindspore.float32) >>> output, mask = dropout(x, p=0.5)
ops.dropout(input, p=0.5, training=True, seed=None) >>> # 举例: >>> input = Tensor(((20, 16), (50, 50)), ... mindspore.float32) >>> output = ops.dropout(input, p=0.5,training=True)
接口名称:mindspore.ops.dropout2d
变更内容:返回值从Tensor和掩码改为只返回Tensor,新增入参training=True。
原接口 v2.0.0-rc1接口 ops.dropout2d(x, p=0.5) >>> # 举例: >>> input = Tensor(np.ones([2, 1, 2, 3]), ... mindspore.float32) >>> output, mask = dropout2d(input, 0.5)
ops.dropout2d(input, p=0.5, training=True) >>> # 举例: >>> input = Tensor(np.ones([2, 1, 2, 3]), ... mindspore.float32) >>> output = ops.dropout2d(input, 0.5, training=True)
接口名称:mindspore.ops.dropout3d
变更内容:返回值从Tensor和掩码改为只返回Tensor,新增入参training=True。
原接口 v2.0.0-rc1接口 ops.dropout3d(x, p=0.5) >>> # 举例: >>> input = Tensor(np.ones([2, 1, 2, 3]), ... mindspore.float32) >>> output, mask = dropout3d(input, 0.5)
ops.dropout3d(input, p=0.5, training=True) >>> # 举例: >>> input = Tensor(np.ones([2, 1, 2, 3]), ... mindspore.float32) >>> output = ops.dropout3d(input, 0.5, training=True)
接口名称:mindspore.ops.std
变更内容:接口重构,接口使用方式更符合用户使用习惯。
说明:原有unbiased如果已显示设置,采用以下替代方案: ddof=0替代unbiased=False,ddof=1替代unbiased=True。
原接口 v2.0.0-rc1接口 ops.std(input_x, axis=(), unbiased=True, keep_dims=False)
ops.std(input, axis=None, ddof=0, keepdims=False)
接口名称:mindspore.load_param_into_net
变更内容:新增ckpt中未加载的参数作为返回值。
原接口 v2.0.0-rc1接口 net_param = load_param_into_net()
net_param, ckpt_param = load_param_into_net()
接口名称:mindspore.nn.BCELoss
变更内容:
reduction
默认值由’none’变为’mean’。原接口 v2.0.0-rc1接口 BCELoss(weight=None, reduction='none') >>> # 举例: >>> weight = Tensor(np.array([[1.0, 2.0, 3.0], ... [4.0, 3.3, 2.2]]), ... mindspore.float32) >>> loss = nn.BCELoss(weight=weight, reduction='mean') >>> logits = Tensor(np.array([[0.1, 0.2, 0.3], ... [0.5, 0.7, 0.9]]), ... mindspore.float32) >>> labels = Tensor(np.array([[0, 1, 0], [0, 0, 1]]), ... mindspore.float32) >>> output = loss(logits, labels) >>> print(output) >>> 1.8952923
BCELoss(weight=None, reduction='mean') >>> # 举例: >>> weight = Tensor(np.array([[1.0, 2.0, 3.0], ... [4.0, 3.3, 2.2]]), ... mindspore.float32) >>> loss = nn.BCELoss(weight=weight) >>> logits = Tensor(np.array([[0.1, 0.2, 0.3], ... [0.5, 0.7, 0.9]]), ... mindspore.float32) >>> labels = Tensor(np.array([[0, 1, 0], [0, 0, 1]]), ... mindspore.float32) >>> output = loss(logits, labels) >>> print(output) >>> 1.8952923
接口名称:mindspore.ops.split
变更内容:接口重构,接口使用方式更符合用户使用习惯,调整第2个和第3个参数的顺序,修改并扩展split_size_or_sections功能。
原接口 v2.0.0-rc1接口 ops.split(input_x, axis=0, output_num=1) >>> # 举例: >>> input = Tensor(np.array([[1, 1, 1, 1], [2, 2, 2, 2]]), ... mindspore.int32) >>> output = ops.split(input, axis=1, output_num=4)
ops.split(tensor, split_size_or_sections, axis=0) >>> # 举例: >>> input = Tensor(np.array([[1, 1, 1, 1], [2, 2, 2, 2]]), ... mindspore.int32) >>> output = ops.split(input, split_size_or_sections=1, axis=1)
接口名称:mindspore.Tensor.split
变更内容:接口重构,接口使用方式更符合用户使用习惯,调整两个参数的位置,修改并扩展split_size_or_sections功能。
说明:参考ops.split例子。
原接口 v2.0.0-rc1接口 Tensor.split(axis=0, output_num=1)
Tensor.split(split_size_or_sections, axis=0)
接口名称:mindspore.ops.pad
变更内容:修改参数名paddings为padding,添加mode和value功能。
原接口 v2.0.0-rc1接口 ops.pad(input_x, paddings) >>> # 举例: >>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], ... [0.4, 0.5, -3.2]]), ... mindspore.float32) >>> paddings = ((1, 2), (2, 1)) >>> output = ops.pad(input_x, paddings)
ops.pad(input_x, padding, mode='constant', value=None) >>> # 举例: >>> input_x = Tensor(np.array([[-0.1, 0.3, 3.6], ... [0.4, 0.5, -3.2]]), ... mindspore.float32) >>> paddings = (2, 1, 1, 2) >>> output = ops.pad(input_x, paddings)
接口名称:mindspore.ops.meshgrid
变更内容:入参由inputs改为*input。
原接口 v2.0.0-rc1接口 ops.meshgrid(inputs, indexing='xy') >>> # 举例: >>> x = Tensor(np.array([1, 2, 3, 4]).astype(np.int32)) >>> y = Tensor(np.array([5, 6, 7]).astype(np.int32)) >>> z = Tensor(np.array([8, 9, 0, 1, 2]).astype(np.int32)) >>> output = ops.meshgrid((x, y, z), indexing='xy')
ops.meshgrid(*inputs, indexing='xy') >>> # 举例: >>> x = Tensor(np.array([1, 2, 3, 4]).astype(np.int32)) >>> y = Tensor(np.array([5, 6, 7]).astype(np.int32)) >>> z = Tensor(np.array([8, 9, 0, 1, 2]).astype(np.int32)) >>> output = ops.meshgrid(x, y, z, indexing='xy')
接口名称:mindspore.ops.max
变更内容:返回值调换顺序,由:“下标,最大值”改为“最大值,下标”。
原接口 v2.0.0-rc1接口 ops.max(x, axis=0, keep_dims=False) >>> # 举例: >>> input = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), ... mindspore.float32) >>> index, output = ops.max(input) >>> print(index, output) >>> 3 0.7
ops.max(input, axis=None, keepdims=False, *, initial=None, where=True, return_indices=False) >>> # 举例: >>> input = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), ... mindspore.float32) >>> output, index = ops.max(input, axis=0) >>> print(output, index)
接口名称:mindspore.ops.min
变更内容:返回值调换顺序,由:“下标,最小值”改为“最小值,下标”。
原接口 v2.0.0-rc1接口 ops.min(x, axis=0, keep_dims=False) >>> # 举例: >>> input = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), ... mindspore.float32) >>> index, output = ops.min(input) >>> 0 0.0
ops.min(input, axis=None, keepdims=False, *, initial=None, where=True, return_indices=False) >>> # 举例: >>> input = Tensor(np.array([0.0, 0.4, 0.6, 0.7, 0.1]), ... mindspore.float32) >>> output, index = ops.min(input, keepdims=True) >>> 0.0 0
接口名称:mindspore.ops.random_gamma
变更内容:删除seed2参数,seed=0改为None。框架行为统一且符合用户实际使用场景及习惯。
原接口 v2.0.0-rc1接口 ops.random_gamma(shape, alpha, seed=0, seed2=0)
ops.random_gamma(shape, alpha, seed=None)
接口名称:mindspore.ops.standard_laplace
变更内容:删除seed2参数,seed=0改为None。框架行为统一且符合用户实际使用场景及习惯。
原接口 v2.0.0-rc1接口 ops.standard_laplace(shape, seed=0, seed2=0)
ops.standard_laplace(shape, seed=None)
接口名称:mindspore.ops.standard_normal
变更内容:删除seed2参数,seed=0改为None。框架行为统一且符合用户实际使用场景及习惯。
原接口 v2.0.0-rc1接口 ops.standard_normal(shape, seed=0, seed2=0)
ops.standard_normal(shape, seed=None)
接口名称:mindspore.ops.bernoulli
变更内容:seed的默认值由-1改为None。符合用户实际使用场景。
原接口 v2.0.0-rc1接口 ops.bernoulli(x, p=0.5, seed=-1)
ops.bernoulli(input, p=0.5, seed=None)
接口名称:mindspore.data_sink
变更内容:删除steps参数,jit参数名称修改为jit_config,新增input_signature参数。增加易用性,符合用户实际使用场景。
原接口 v2.0.0-rc1接口 mindspore.data_sink(fn, dataset, steps, sink_size=1, jit=False)
mindspore.data_sink(fn, dataset, sink_size=1, jit_config=None, input_signature=None)
接口名称:mindspore.ops.conv2d
变更内容:扩展接口功能,添加bias参数,修改参数名及参数顺序。
原接口 v2.0.0-rc1接口 conv2d(inputs, weight, pad_mode="valid", padding=0, stride=1, dilation=1, group=1)
conv2d(input, weight, bias=None, stride=1, pad_mode="valid", padding=0, dilation=1, groups=1)
接口名称:mindspore.dataset.vision.Pad
变更内容:调整Pad、RandomCrop、RandomCropWithBbox入参padding,当Padding输入长度为2的序列时,行为将从使用第一个值填充左/上边界,使用第二个值填充右/下边界,变为使用第一个值填充左/右边界,使用第二个值填充上/下边界。
说明:仅使用size为2的padding参数无法兼容旧版本的效果,需显式表示(左、右、上、下)。
原接口 v2.0.0-rc1接口 mindspore.dataset.vision.Pad(padding=(1,2)) 代表图片的左/上填充 1像素,右/下填充 2像素
mindspore.dataset.vision.Pad(padding=(1,2,1,2)) 代表图片的左/上填充 1像素,右/下填充 2像素
接口名称:mindspore.dataset.Dataset.map
变更内容:删除column_order参数。因为在绝大部分的情况下,output_columns参数与column_order参数都是同一个值,不需要再传入column_order。若需要调整数据列顺序,使用mindspore.dataset.Dataset.project实现。
说明:
在不需要改变列顺序时,直接去掉column_order参数即可。
需要指定数据列顺序时,删除column_order参数,并在后面加上一个project方法进行列变换(如下面的例子)。
原接口 v2.0.0-rc1接口 >>> dataset = dataset.map(operations=[transforms], ... input_columns=["column_a"], ... output_columns=["column_b", "column_c"], ... column_order=["column_c", "column_b"])
>>> dataset = dataset.map(operations=[transforms], ... input_columns=["column_a"], ... output_columns=["column_b", "column_c"]) >>> dataset = dataset.project(["column_c", column_b"])")
接口名称:mindspore.dataset.Dataset.batch
变更内容:删除column_order参数。因为在绝大部分的情况下,output_columns参数与column_order参数都是同一个值,不需要再传入column_order。若需要调整数据列顺序,使用mindspore.dataset.Dataset.project实现。
说明:
在不需要改变列顺序时,直接去掉column_order参数即可。
需要指定数据列顺序时,删除column_order参数,并在后面加上一个project方法进行列变换(如下面的例子)。
原接口 v2.0.0-rc1接口 >>> dataset = dataset.batch(batch_size=4, ... input_columns=["column_a"], ... output_columns=["column_b", "column_c"], ... column_order=["column_c", "column_b"])
>>> dataset = dataset.batch(batch_size=4, input_columns=["column_a"] ... output_columns=["column_b", "column_c"]) >>> dataset = dataset.project(["column_c", column_b"])")
接口名称:mindspore.dataset.Dataset.batch
变更内容:将batch方法拆分为:batch和padded_batch两个方法。pad_info参数从batch方法移动到padded_batch方法。
说明:如需使用pad_info参数,改用padded_batch方法。
原接口 v2.0.0-rc1接口 >>> dataset = dataset.batch(batch_size=4, ... drop_remainder=True, pad_info=...)
>>> dataset = dataset.padded_batch(batch_size=4, ... drop_remainder=True, pad_info=...)
Bug fixes¶
[I66PE6] 修复 AssignSub算子异常入参导致core dump的问题。
[I6F5E6] 修复 data_sink 方法在Ascend上执行超时的问题。
其它¶
Windows系统支持由于还在优化中,rc版本暂不支持,将在2.0正式版本提供下载。
贡献者¶
感谢以下人员做出的贡献:
alashkari,anzhengqi,archer2049,B.L.LAN,baihuawei,bichaoyang,BJ-WANG,Bokai Li,Brian-K,caifubi,caiyimeng,cathwong,changzherui,ChenDonYY,chenfei_mindspore,chengang,chengbin,chenhaozhe,chenjianping,chenkang,chenweifeng,chuht,chujinjin,davidanugraha,DavidFFFan,DeshiChen,douzhixing,emmmmtang,Erpim,Ethan,fangwenyi,fangzehua,fangzhou0329,fary86,fengyixing,gaoshuanglong,Gaoxiong,gaoyong10,gengdongjie,gongdaguo1,Greatpan,GuoZhibin,guozhijian,hangq,hanhuifeng,haozhang,hedongdong,Henry Shi,heterogeneous_to_backoff_2_0,huangbingjian,huanghui,huangxinjing,hujiahui8,hujingsong,huoxinyou,jachua,jiahongQian,jianghui58,jiangzhenguang,jiaorui,jiaoy1224,jijiarong,jjfeing,JoeyLin,json,JuiceZ,jxl,kairui_kou,KevinYi,kisnwang,KXiong,laiyongqiang,lanzhineng,liangchenghui,liangzelang,LiangZhibo,lianliguang,lichen,ligan,lijunbin,limingqi107,ling,linqingke,liubuyu,liuchao,liuchuting,liujunzhu,liuluobin,liutongtong9,liuyang811,lixiao,liyan2022,liyejun,liyuxia,looop5,luochao60,luojianing,luoyang,luoyuan,lyqlola,maning202007,maoyaomin,Margaret_wangrui,mayadong,MaZhiming,melody,mengyuanli,michaelzhu_70ab,Mohammad Motallebi,moran,NaCN,nomindcarry,OwenSec,panfengfeng,panshaowu,panzhihui,pkuliuliu,qinzheng,qiuzhongya,qujianwei,r1chardf1d0,Renyuan Zhang,RobinGrosman,shaojunsong,shenwei41,Soaringfish,tangdezhi_123,tanghuikang,tan-wei-cheng,TinaMengtingZhang,TronZhang,TuDouNi,VectorSL,wang_ziqi,wanghenchang,wangnan39,wangpingan,wangshaocong,wangshengnan123,wangtongyu6,weichaoran,wind-zyx,wqx,wtcheng,wujueying,wYann,XianglongZeng,xiaohanzhang,xiaotianci,xiaoyao,XinDu,xulei,xumengjuan1,xupan,xwkgch,yanghaoran,yangluhang,yangruoqi713,yangshuo,yangsijia,yangzhenzhang,yanzhenxiang2020,Yanzhi_YI,yao_yf,yefeng,yeyunpeng2020,Yi_zhang95,yide12,YijieChen,YingLai Lin,YingtongHu,youshu,yuchaojie,yuedongli,YuJianfeng,zangqx,ZengZitao,zhangbuxue,zhangdanyang,zhangdong,zhangfanghe,zhangqi,zhangqinghua,zhangyanhui,zhangyinxia,zhangyongxian,zhangzhaoju,zhanzhan,zhengzuohe,ZhidanLiu,zhixinaa,zhoufeng,zhouyaqiang0,zhuguodong,zhupuxu,zhuyuxiao,zichun_ye,zjun,zlq2020,zong_shuai,ZPaC,zuochuanyong,zyli2020,陈宇,范吉斌,冯一航,胡彬,宦晓玲,黄勇,雷元哲,李良灿,李林杰,刘崇鸣,刘力力,刘勇琪,吕浩宇,吕昱峰(Nate.River),没有窗户的小巷,沈竞兴,十六夜,王程浩,王禹程,王振邦,徐安越,徐永飞,杨旭华,于振华,俞涵,张清华,张澍坤,张栩浩,张学同,赵英灼,周超,周洪叶,朱家兴
欢迎以任何形式对项目提供贡献!