国产最大AI开源框架再升级:一口气发布9大新产品,顺便送出亿元GPU算力

  • 时间:
  • 浏览:1
  • 来源:UU直播快三APP-UU直播快三APP官方

时局没办法 ,国产AI框架雄心更盛。气势更足、功能更新力度更大、开发者羊毛更丰厚……或者 新发布还有的是全部,已获得的成绩也相当亮眼:先用AI算法为中国传统产业节省了曾经亿。这本来 百度旗下AI开源框架飞桨(PaddlePaddle),已经 秀出的肌肉。

2016年开源至今,飞桨目前有400万AI开发者,超过6.15万企业用户,在定制化训练平台上发布了16.9万个模型。俨然中国第一大深度学习开源平台。或者 形势所迫,自主可控也成为AI框架等基础平台发展要求之一。所以所以在此次飞桨更新发布中,也无处不透露着“国家队”担当。

在采访中,百度方面透露,飞桨不仅是全部自主知识产权的深度学习平台,或者 在分布式训练的性能以及易用性上,都超过了国内外竞争对手。没办法 接下来何如实现更多场景、更全面地同场竞技优势?此次的九大新产品、上亿新羊毛,以及进一步产业落地,就更值得关注。

九大新产品有的是啥?

在“WAVE Summit+”2019深度学习开发者秋季峰会上,飞桨迎来全面升级。

百度CTO、深度学习技术及应用国家工程实验室主任王海峰,率先登台分享最新思考,你爱不爱我:深度学习正在推动人工智能进入工业大生产阶段,具有很强的通用性,并肩具备了标准化、自动化和模块化的基本特性,推动人工智能技术从实验室走向产业,或者 没办法 大规模使用起来。而深度学习技术和平台也在不断发展,在未来的时间里也将继续发挥重要作用。我门歌词 都都 秉承开源开放的理念,把飞桨平台开源开放,与所有开发者并肩,推动科技发展、产业创新和社会进步。

此次飞桨一共有9大产品全新发布:蕴含 曾经模式、曾经端侧推理引擎、四大产品开发套件,曾经工具组件。具体详情如下:

首先,曾经模式,指的是飞桨Master模式。

百度AI技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任吴甜介绍说:飞桨是曾经源于产业实践,与产业共进的深度学习开源开放平台。未来,飞桨将持续发展超大规模分布式计算、异构计算能力,定发生全硬件平台支持、端云边结合,为应用场景提供面向场景的端到端套件,构建融合数据和知识的预训练结合迁移学习的Master开发模式,为开发者提供最强大的生产平台和基础设施,加速产业智能化。

核心是依靠百度的强大算力,提升开发者在部署模型时的移动性。具体来说,开发者只使用另一方的絮状标注数据,加进飞桨的迁移学习工具,就能将另一方的算法模型快速部署到另一方的应用场景中。带来的直接影响,是面向产业场景平台开发时,降低工作量,提升模型的准确度、可靠性。

其次,曾经端侧推理引擎,指的是Paddle Lite 2.0。你这个 轻量级深度学习推理框架,在今年8月份正式发布。这次的升级中,专注易用性,提供了预测到部署全部工具链,只时要7行代码调用Resnet400,也支持极致轻量级部署。硬件支持也更加广泛,移动端支持8种主流硬件,新增华为NPU和边缘设备FPGA支持,寒武纪、比特大陆等国产硬件的支持也在路上。在下发上对硬件扩展也更加友好。最后是性能,百度深度学习技术平台部总监马艳军,现场放出了与所以几家主流框架的性能对比图,基本上有的是“吊打”清况 :

第三,四大面向场景的端到端开发套件,也是飞桨体系中全部新增的模块。覆盖语义理解、图像分割、目标检测,以及个性化推荐。

 

蕴含 ERNIE 2.0,曾经基于持续学习的语义理解预训练框架,号称在16个中英文任务全面超越对标产品。核心亮点在于,新构建的预训练任务类型都还能能无缝的加入训练框架,持续的进行语义理解学习。

还有PaddleSeg,产业级图像分割库,提供了18个预训练模型,覆盖了DeepLabv3+, U-Net, ICNet三类主流的分割模型。通过统一的配置,帮助用户完成从训练到部署的全流程图像分割应用。

以及目标检测库PaddleDetection,已集成400+预训练模型。目的是为工业界和学术界提供易使用的目标检测模型。在你这个 库中,飞桨还提供了所以目标检测小模型,方便给移动端设备使用。

此外新增的套件,是用于个性化推荐的ELASTIC CTR,你这个 套件源自于百度的产业实践。都还能能实现分布式训练CTR预估任务和Serving流程一键部署,提供了端到端的CTR训练和二次开发的正确处理方案。

最后,三大发布,都聚焦在深度学习领域前沿的工具组件:PALM,多任务学习框架。

其中内置了模型backbone(BERT、ERNIE等)、常见的任务范式(分类、匹配、序列标注、机器阅读理解等)和数据集读取与正确处理工具。功能亮点在于易用性,对于典型的任务场景,几乎很多再书写代码便可完成新任务的加进。对于特殊的任务场景,用户可通过对预置接口的实现来完成对新任务的支持。

PGL,图神经网络框架。

提供了一系列的Python接口用于存储/读取/查询图数据特性,或者 提供基于游走(Walk Based)以及消息传递(Message Passing)五种计算范式的计算接口。利用那先 接口,都还能能搭建最前沿的图学习算法,结合飞桨核心框架,就基本都都还能能覆盖大每段的图网络应用,包括图表示学习以及图神经网络。现在,PGL已有1一二个图学习模型,蕴含 图神经网络和图表示学习的主流模型。

PaddleFL,联邦学习框架。

其能力在于克隆技术和比较不同的联邦学习算法。在PaddleFL中,还提供了所以所以联邦学习策略及其在计算机视觉、自然语言正确处理、推荐算法等领域的应用,在部署大规模分布式集群中部署联邦学习系统时,也较为容易。

此外,伴随着这次1.6版本发布,飞桨还有12项产品重要升级。比如:

(1)提供更多的算子库、简单高效的API接口、完善的文档内容,全面提升易用性。

(2)升级轻量级模型特性自动搜索PaddleSlim,增加了基于硬件搜索等能力,打通训练、压缩和部署全流程。

(3)NLP、CV、推荐系统、语音等各大基础模型库的模型,从曾经的400+到了400+。这其蕴含 多个在AI竞赛中夺冠的算法模型,比如在EMNLP获得了10项阅读理解项目冠军的D-Net。

(4)Paddle Hub,新增了超参优化Auto Fine-tune功能,预训练模型数量大幅增加,支持飞桨Master模式。

(5)深度强化学习框架PARL并行能力升级,支持进化算法。

(6)Paddle2ONNX和X2Paddle升级,飞桨和所以框架的模型互转更加方便。

聚焦产业场景,上亿新羊毛待薅

所以所以上述新发布究竟够缺乏竞争力?自飞桨开源以来,作为深度学习框架,一直被人拿来与PyTorch、TensorFlow两大框架进行对比。但时至今日,飞桨官方认为机会都还能能再单纯以AI框架视之了。我门歌词 都都 更要我定位自称:深度学习开源平台。以百度多年的深度学习技术研究和业务应用为基础,集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体。

在接受量子位采访时,吴甜解释了你这个 定位背后的考虑:“不同的AI框架有的是其相应的发展规划,这本来 飞桨选则的发展路线。”现在,百度对外宣称的飞桨四大领先技术时,框架本来 其中之一。或者 如今谈AI发展,不谈落地都显得太虚。于是大会主题演讲中,飞桨也重点分享了发展至今的侧重点与发力点:产业。机会产业之大,转型之需,AI的降本增效作用居然再明显不过。在发布会举办前夕,百度还专门发布了曾经名为“看中国算法工程师何如手动省出曾经亿”的视频。

其中在农业、工业制造、质检和电力抢修等方面,AI算法有的是帮助传统产业降本增效。先节省曾经亿,这是飞桨机会完成的小目标。但AI发展,产业场景也机会是各大人工智能平台服务供应商的必争之地,接下来何如面对你这个 日益白热化的竞争?飞桨透露的打法是:放羊毛、建生态,与开发者和传统产业并肩赢。一手抓开发者培养和教育。比如百度响应教育部产学研合作协议方式号召,在全国开展深度学习师资培训班,有效地弥补了国内高校AI教师缺口。在一年半的时间里,飞桨已成功举办8期培训,培养了4000多个AI专业高校教师,从教育环节刚现在结速,让计算机学生从接触飞桨,将来散落到产业界都还能能遍地开花。产业界还有“黄埔学院”,学术界与高校组建联合实验室,飞桨机会和西交、中科大、南大、浙大、大连理工合作协议方式,人才联合培养。另一手给福利。在今日大会发布最后,飞桨也发布了最新生态激励计划:

(1)免费开放10多个AI课程;

(2)支持400多所重点高校教学培训;

(3)为4000多个企业转型提供助力计划;

(4)还有百万级的AI竞赛奖金和亿元级GPU算力资源支持。

(5)不过,这两手效果何如、究竟够缺乏硬,还得经受时间和实践检验。

当然还得经受激烈竞争检验。如今机器学习的框架之争,全球范围内机会沦TensorFlow和PyTorch两家的较量,要从这两家背后分一杯羹,仅仅有产业界的支持是远远缺乏的。但飞桨现在也算在国内拥有民心和祝愿。在活动现场上,一则曾经的留言格外醒目,或许也是2019年潮水方向里的小小注脚:还是得支持国产深度学习框架啊,免得国外框架垄断,又要跟电脑操作系统和芯片曾经结局。

所以所以,好风凭借力,飞桨要加油。毕竟天时地利有的是,最关键的人心也兼具,唯有搞定更好成绩,都还能能实现更大雄心了。你爱不爱我呢?