#WasmEdge 0.10.1 发布,支持 wasi-nn 与 wasi-crypto 等 WebAssembly 提案

serverless 技术社区 2022-08-02 11:22:07

WasmEdge 0.10.1 发布,本版本增加了 wasi-nn 与 wasi-crypto 等 WebAssembly 提案,优化了 C API 与 macOS 开发者的开发体验。

新增 feature:

  • 以 plugin 的方式在 Ubuntu 20.04 x86_64 上支持带有 OpenVINO 后端的 WASI-NN 提案。
    • 用户可以参考标准扩展状态获取信息。
    • 对于使用 OpenVINO 后端启用 WASI-NN 的构建,请在 cmake 中添加 -DWASMEDGE_PLUGIN_WASI_NN_BACKEND="OpenVINO"。
  • 以 plugin 的方式在 Ubuntu 20.04 x86_64、manylinux2014 x86_64 和 manylinux2014 aarch64 上支持 WASI-crypto 提案。
    • 用户可以参考标准扩展状态获取信息。
    • 对于使用 OpenSSL 1.1 启用 WASI-crypto 的构建,请在 cmake 中添加-DWASMEDGE_PLUGIN_WASI_CRYPTO=ON。
  • 添加了静态工具构建选项。
    • 默认情况下,WasmEdge 工具将依赖于 WasmEdge 共享库。
    • 开发者可以添加 -DWASMEDGE_BUILD_STATIC_LIB=On 和 -DWASMEDGE_BUILD_STATIC_TOOLS=On 来构建独立的 WasmEdge CLI 工具。
  • 在 WasmEdge C API 中导出了 WasmEdge_VMContext 的组件。
    • 添加了 WasmEdge_VMGetLoaderContext API,用于在 VM 中检索 WasmEdge_LoaderContext 。
    • 添加了 WasmEdge_VMGetValidatorContext API,用于在 VM 中检索 WasmEdge_ValidatorContext 。
    • 添加了 WasmEdge_VMGetExecutorContext API,用于在 VM 中检索 WasmEdge_ExecutorContext。
  • 添加了 CLI 工具的 API。
    • 开发者可以使用 WasmEdge_Driver_Compiler API 来触发 WasmEdge AOT 编译工具。
    • 开发者可以使用 WasmEdge_Driver_Tool API 来触发 WasmEdge runtime 工具。
  • 支持 WASM threads 提案。
    • 为 WasmEdge C API 中的配置添加了 WasmEdge_Proposal_Threads。
    • 用户可以使用 --enable-threads 在 wasmedge 和 wasmedgec 工具中启用提案。
  • 在 MacOS 上支持 LLVM 14。
    • 在 LLVM-14 环境中的 lld 中使用了新的 macho。
    • 将 IWYU 提升到 0.18 以与 MacOS 上的 LLVM 14 兼容。
  • 提升 MacOS x86_64 build到 MacOS 11。

已修复的问题

  • 修复了通用 WASM 格式在 MacOS 平台上失败的问题。
    • 开发者可以在MacOS上指定扩展名.wasm作为AOT编译器的通用 WASM 格式输出来开启AOT模式。
  • 修复了带有 LLVM 14 的 MacOS 上的 WasmEdge C API 静态库。
    • WasmEdge C API 静态库处于实验阶段,不能确保可用。推荐使用共享库。
  • 减少实例化 AOT 编译的 WASM 时的分支缺失。

更多详情请点击 WasmEdge 0.10.1 changelog

img


欢迎参与 WasmEdge 社区月会⬇️.png

img

...全文
421 回复 打赏 收藏 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
详情可查看下方数据集可视化效果。 【数据集概况】 · 检测类别(中文):[自行车(bicycle), 汽车(car), 牛(cow), 鹅(goose), 马(horse), 人(human), 摩托车(motorbike), 羊(sheep), 危险标志(ss danger), 左转标志(ss left), 禁止鸣笛标志(ss no horn), 停车标志(ss parking), 右转标志(ss right), 停止标志(ss stop), 人行横道标志(ss xwalk), 绿灯(tl green), 关灯(tl off), 红灯(tl red), 黄灯(tl yellow)] · 训练集:1365 张 · 验证集:90 张 · 测试集:62 张 · 总计:1517 张 该数据集基于室内模拟交通场景构建,聚焦于交通标志、车辆及动物等目标的精准识别,为智能交通系统训练提供高质量样本,具有显著的行业应用价值与技术研究意义。训练集、验证集与测试集分别包含1365张、90张与62张图像,数据分布比例合理,训练集规模充足以保障模型学习充分,验证集与测试集用于模型性能评估,有效支撑模型迭代优化。所有目标均经过严格标注,边界框绘制精准,类别标注规范统一,无模糊或错误标注情况,确... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 41 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9644** mAP50-95 | 0.7193 Precision | 0.9278 Recall | 0.9049 train/box_loss | 0.8936 tra...

217

社区成员

发帖
与我相关
我的任务
社区描述
Serverless 技术爱好者的聚集地
其他 企业社区
社区管理员
  • serverless 技术社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧