doc:

Author: miaobyte

README.md

@@ -1,10 +1,24 @@
 # deepx
 
-deepx提出了一种超大规模自动分布式训推一体化的开放计算调度框架。
+deepx提出了一种原生分布式自动并行的训推一体化的深度学习框架。
+
+deepx支持eager和auto两种模式
+
+eager立即执行函数【已开发】
+auto则会经过计算图编译器优化器【todo】
+
++ 该框架前端的python sdk提供接近pytorch的API 【已开发】,也容许其他语言的sdk接入【todo】；
++ 调度面：
+    * 注册中心:收集当前已就绪的执行器的算子列表,收集算子时耗和空间占用信息【todo】
+    * 计算图编译器优化器:fusion算子，计算图节点消除,自动生成tensor拆分并行的计算子图并替代原节点【todo】
+    * 执行调度器：数据并行，流水线并行(前向反向并行)，模型并行。【todo】
++ 执行面：执行器负责低级的算子计算操作
+    以Op{args(args_grad),returns(returns_grad)|func forward,backward}为执行的核心单元
+    大部分Op都需要同时实现forward和backward
+    但也有部分只为推理设计的fusionOp可以需要实现forward。
+    * cpu执行器：【已开发】
+    * cuda执行器：【待开发】
 
-+ 该框架前端实现了支持多语言 SDK 调用；
-+ 调度面通过注册中心、元数据数据库、计算图编译器优化器和执行调度器等组件，实现高效的任务调度与管理；
-+ 执行面完成算存、算子引擎和网络通信的注册。
 
 通过严格遵循存算控分离的思想，框架能够在超大规模场景下实现自动分布式训练与推理的一体化，有效应对掉卡、掉节点等异常情况，提高计算资源的利用率和系统的可靠性。