一文速覽百度飛槳 21 項重磅釋出 & 升級

AIBigbull2050發表於2019-11-06


11 月 5 日,「WAVE SUMMIT+」2019 深度學習開發者秋季峰會在北京召開。在本次峰會上,飛槳(PaddlePaddle)全新發布和重要升級 21 個產品方向,包括:面向產業應用場景的四大端到端開發套件、融合資料和知識的預訓練結合遷移學習的飛槳 Master 模式等。

本次更新不僅僅是飛槳功能易用性的提升,也是飛槳由開發者邁向產業應用的開端。在此,雷鋒網 AI 開發者將其更新內容整理編輯如下。

一文速覽百度飛槳 21 項重磅釋出 & 升級

1+1+4+3+12

本屆峰會上,百度深度學習技術平臺部總監馬豔軍向參會者們介紹了飛槳產業級深度學習開源開放平臺全景圖,帶來了基於產業化困難的洞察,飛槳全新發布和重要升級的 21 個產品方向,包括 9 項全新發布和 12 項新版升級。

一文速覽百度飛槳 21 項重磅釋出 & 升級

9 項全新發布

其中,全新發布 1 個模式、1 端側推理引擎、4 大產品開發套件、3 個工具元件。

1 個模式,指的是 Master(大師)模式,即算力+資料和知識+演算法=產業級預訓練模型,產業級預訓練模型+遷移學習工具平臺構成 Master 的核心,可以用於多種行業場景。

一文速覽百度飛槳 21 項重磅釋出 & 升級

1 個端側推理引擎,則是 Paddle Lite 2.0 版本。這是一個輕量級深度學習推理框架,提供了預測到部署完整工具鏈,旨在打通端到端部署全流程。

一文速覽百度飛槳 21 項重磅釋出 & 升級

4 大面嚮應用任務的產業級開發套件,則專用於實現四大應用任務的全流程開發、訓練和部署,包括:

  • NLP 領域的 ERNIE 語義理解——一個基於持續學習的語義理解預訓練框架;

    一文速覽百度飛槳 21 項重磅釋出 & 升級

  • CV 方向的 PaddleDetection——目標檢測 已整合 60+預訓練模型,提供易使用的目標檢測模型;

一文速覽百度飛槳 21 項重磅釋出 & 升級

  • PaddleSeg 影像分割——幫助使用者完成從訓練到部署的全流程影像分割應用;

一文速覽百度飛槳 21 項重磅釋出 & 升級

  • 推薦方向的 ElasticCTR 點選率預估——可實現分散式訓練 CTR 預估任務和 Serving 流程一鍵部署;

一文速覽百度飛槳 21 項重磅釋出 & 升級

3 項深度學習前沿技術工具元件,包括:

  • 聯邦學習 PaddleFL——其能力在於複製和比較不同的聯邦學習演算法;

一文速覽百度飛槳 21 項重磅釋出 & 升級

  • 圖神經網路框架 PGL——提供了一系列的Python介面用於儲存/讀取/查詢圖資料結構,並且提供基於遊走(Walk Based)以及訊息傳遞(Message Passing)兩種計算正規化的計算介面;

一文速覽百度飛槳 21 項重磅釋出 & 升級

  • 多工學習框架 PALM——內建了模型 backbone(BERT、ERNIE 等)、常見的任務正規化(分類、匹配、序列標註、機器閱讀理解等)和資料集讀取與處理工具;

一文速覽百度飛槳 21 項重磅釋出 & 升級

現場,還全新發布 EasyDL 專業版,為演算法工程師提供一站式 AI 開發平臺。

一文速覽百度飛槳 21 項重磅釋出 & 升級

12 項重要升級

除了 9 大全新發布外,新版飛槳 1.6 還有 12 項產品重要升級。包括:

  • 提供更多的運算元庫、簡單高效的 API 介面、完善的文件內容;

  • 升級輕量級模型結構自動搜尋 PaddleSlim,增加了基於硬體搜尋等能力,打通訓練、壓縮和部署全流程;

  • NLP、CV、推薦系統、語音等各大基礎模型庫的模型,從原來的 60+到了 100+(這其中包含多個在 AI 競賽中奪冠的演算法模型);

一文速覽百度飛槳 21 項重磅釋出 & 升級

  • Paddle Hub,新增了超參最佳化 Auto Fine-tune 功能,預訓練模型數量大幅增加,支援飛槳 Master 模式;

  • 深度強化學習框架 PARL 並行能力升級,支援進化演算法;

  • Paddle2ONNX 和 X2Paddle 升級,飛槳和其他框架的模型互轉更加方便;

其它開源

除了全新發布與升級外,本次峰會上百度還新開源了 4 個國際競賽冠軍模型,希望進一步引領深度學習技術發展方向。這 4 個模型包括:

  • Activitynet Challenge 2019 冠軍模型 BMN;

  • Detection In the Wild Challenge 2019 Objects365 Full Track 冠軍模型 CACascade R-CNN;

  • CVPR LIP Challenge 2019 冠軍模型 ACE2P;

  • MRQA: EMNLP2019 Machine Reading Comprehension Challenge 冠軍模型 D-NET ;

更新後的飛槳效能如何?

據官方介紹,全新升級後的飛槳,易用性大幅提升,動態圖全新升級、新增大量運算元庫、最佳化 API 介面,技術文件更加完善。

一文速覽百度飛槳 21 項重磅釋出 & 升級

其中,在大規模分散式訓練效能方面,分散式 GPU 訓練相比其他主流實現可以獲得 20%-100% 的速度提升,分散式 CPU 訓練最大吞吐量可達競品的 6 倍以上。

一文速覽百度飛槳 21 項重磅釋出 & 升級

目前,官方支援模型庫極大豐富,官方模型從 60 多個增加到了 100 多個,提供下載的預訓練模型已經超過 200 個。

一文速覽百度飛槳 21 項重磅釋出 & 升級

在峰會發布最後,飛槳也釋出了最新生態激勵計劃,包括:

  • 免費開放10多個AI課程;

  • 支援100多所重點高校教學培訓;

  • 為1000多個企業轉型提供助力計劃;

  • 還有百萬級的AI競賽獎金和億元級GPU算力資源支援。

一文速覽百度飛槳 21 項重磅釋出 & 升級

百度飛槳官網:

 

開源地址: 

 





來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946223/viewspace-2662827/,如需轉載,請註明出處,否則將追究法律責任。

相關文章