人工智能三要素：算法、算力、數(shù)據(jù)，持續(xù)更進(jìn)一步，讓AI的邊界不斷拓展。AI工業(yè)大生產(chǎn)時(shí)代到來(lái)，深度學(xué)習(xí)越來(lái)越肩負(fù)著人工智能技術(shù)突破與行業(yè)落地的重任。5月20日，“WAVE SUMMIT 2020”深度學(xué)習(xí)開發(fā)者峰會(huì)在線召開，作為中國(guó)深度學(xué)習(xí)技術(shù)極客的年度盛宴，該峰會(huì)由深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室與百度聯(lián)合主辦，而百度飛槳作為中國(guó)首個(gè)開源開放、功能完備的產(chǎn)業(yè)級(jí)深度學(xué)習(xí)平臺(tái)又一次迎來(lái)全平臺(tái)重磅升級(jí)。
百度首席技術(shù)官、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室主任王海峰在峰會(huì)上分享到：“時(shí)代契機(jī)為飛槳的發(fā)展提供了最好的機(jī)遇，飛槳將與產(chǎn)業(yè)緊密融合，與開發(fā)者并肩前行?！?/p>
（圖：百度首席技術(shù)官王海峰）
百度集團(tuán)副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國(guó)家工程實(shí)驗(yàn)室副主任吳甜正式對(duì)外發(fā)布飛槳最新的全景圖，包含飛槳開源深度學(xué)習(xí)平臺(tái)和飛槳企業(yè)版兩部分。飛槳開源深度學(xué)習(xí)平臺(tái)部分，包含核心框架、基礎(chǔ)模型庫(kù)、端到端開發(fā)套件與工具組件，持續(xù)開源核心能力，為產(chǎn)業(yè)、學(xué)術(shù)、科研創(chuàng)新提供基礎(chǔ)底座。同時(shí)，隨著企業(yè)應(yīng)用需求越來(lái)越強(qiáng)烈，飛槳升級(jí)產(chǎn)品架構(gòu)，推出飛槳企業(yè)版，包含零門檻AI開發(fā)平臺(tái)EasyDL和全功能AI開發(fā)平臺(tái)BML，助力各個(gè)企業(yè)進(jìn)行AI創(chuàng)新。
（圖：飛槳核心框架架構(gòu)全景）
為了滿足時(shí)代與政策雙重作用下猛增的“智能化”快速轉(zhuǎn)型需求，飛槳此次全平臺(tái)全新發(fā)布和升級(jí)35項(xiàng)技術(shù)能力。飛槳開源深度學(xué)習(xí)平臺(tái)的升級(jí)與發(fā)布依舊側(cè)重“工業(yè)級(jí)應(yīng)用的極致體驗(yàn)”和“持續(xù)布局深度學(xué)習(xí)前沿技術(shù)”兩大方向，繼續(xù)保持開源，讓深度學(xué)習(xí)從開發(fā)、訓(xùn)練到部署的全流程功能更加強(qiáng)大，更引領(lǐng)著前沿技術(shù)的持續(xù)創(chuàng)新。此外，飛槳還更完善地支持著產(chǎn)業(yè)實(shí)踐的落地與價(jià)值創(chuàng)造，作為契合時(shí)代的“技術(shù)底座”，為新型基礎(chǔ)設(shè)施建設(shè)提供重要支撐。
特別值得一提的是，峰會(huì)現(xiàn)場(chǎng)飛槳率先宣布支持復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)，支持跨學(xué)科的機(jī)器學(xué)習(xí)研究。事實(shí)上，去年11月百度大腦就曾發(fā)布基于復(fù)數(shù)CNN網(wǎng)絡(luò)語(yǔ)音增強(qiáng)及聲學(xué)建模的“一體化”端到端建模技術(shù)，前瞻性遙遙領(lǐng)先。此次峰會(huì)，百度再次基于復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)，首發(fā)量子機(jī)器學(xué)習(xí)開發(fā)工具量槳。飛槳賦能量子計(jì)算，成為國(guó)內(nèi)首個(gè)、目前也是唯一一個(gè)支持量子機(jī)器學(xué)習(xí)開發(fā)工具的深度學(xué)習(xí)平臺(tái)。
（圖：飛槳發(fā)布量子機(jī)器學(xué)習(xí)開發(fā)工具Paddle Quantum量槳）
通過(guò)量槳，開發(fā)者不僅可以輕松搭建簡(jiǎn)潔的量子神經(jīng)網(wǎng)絡(luò)，還可以根據(jù)豐富的量子機(jī)器學(xué)習(xí)案例一步步組建所需模型。此外，由于飛槳已系統(tǒng)地?cái)U(kuò)展了包括復(fù)數(shù)變量、復(fù)數(shù)矩陣乘法在內(nèi)的多項(xiàng)底層功能，因此量槳可完美地支持量子電路模型，也支持通用量子計(jì)算相關(guān)的研究，具有極好的通用性以及拓展性。簡(jiǎn)單來(lái)講，量槳的量子機(jī)器學(xué)習(xí)開發(fā)工具包括：量子開發(fā)工具集，量子化學(xué)庫(kù)，以及一系列優(yōu)化工具。與此同時(shí)，量槳還提供了量子機(jī)器學(xué)習(xí)、量子化學(xué)模擬以及量子組合優(yōu)化這三大核心量子應(yīng)用。除此之外，聯(lián)邦學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等前沿技術(shù)也再次升級(jí)，為開發(fā)者提供強(qiáng)大的前沿開發(fā)工具組件，有力支持更多開發(fā)需求。
從開發(fā)、訓(xùn)練到部署，飛槳開源深度學(xué)習(xí)平臺(tái)為開發(fā)者帶來(lái)開發(fā)全流程體驗(yàn)的提升。在開發(fā)方面，除了提升動(dòng)態(tài)圖和高層API的能力外，飛槳還在圖像和語(yǔ)音領(lǐng)域新增3個(gè)端到端開發(fā)套件。其中，在圖像領(lǐng)域發(fā)布了工業(yè)級(jí)圖像分類開發(fā)套件PaddleClas，其深度優(yōu)化的ResNet50＿vd識(shí)別準(zhǔn)確率可達(dá)82．4％；以及可實(shí)現(xiàn)“千萬(wàn)級(jí)類別規(guī)?！狈诸悾⑻峁┠Ｐ筒⑿?、自動(dòng)混合精度訓(xùn)練的PLSC套件。目標(biāo)檢測(cè)開發(fā)套件PaddleDetection也在模型數(shù)量、精度、速度和產(chǎn)業(yè)應(yīng)用能力方面進(jìn)行了全面升級(jí)。同時(shí)，還在語(yǔ)音領(lǐng)域全新推出具有“快、輕、簡(jiǎn)”優(yōu)勢(shì)的語(yǔ)音合成Parakeet開發(fā)套件。由于“端到端的開發(fā)套件”具有極易部署的重大優(yōu)勢(shì)，不僅可用于服務(wù)端的集成或服務(wù)化部署，并且其推理計(jì)算還能在移動(dòng)端與邊緣設(shè)備上進(jìn)行部署，所以一直以來(lái)被各行各業(yè)的企業(yè)開發(fā)者在“智能化”升級(jí)時(shí)所喜愛。
（圖：飛槳開源深度學(xué)習(xí)平臺(tái)全面升級(jí)）
持續(xù)升級(jí)的還有自然語(yǔ)言理解（NLP）端到端開發(fā)套件ERNIE。ERNIE通過(guò)在通用基礎(chǔ)模型上借助領(lǐng)域數(shù)據(jù)進(jìn)一步構(gòu)建弱監(jiān)督任務(wù)，并進(jìn)行持續(xù)學(xué)習(xí)，從而生成了多個(gè)“領(lǐng)域模型”，如法律領(lǐng)域、醫(yī)療領(lǐng)域等，可對(duì)專業(yè)內(nèi)容進(jìn)行理解。而將這些領(lǐng)域模型用于有監(jiān)督的任務(wù)場(chǎng)景，即可得到各個(gè)領(lǐng)域的應(yīng)用模型。截止目前，ERNIE面向產(chǎn)業(yè)應(yīng)用，已形成包含有通用模型、任務(wù)模型、輕量級(jí)模型，以及領(lǐng)域模型的NLP預(yù)訓(xùn)練模型集。
訓(xùn)練方面，新增自動(dòng)混合精度訓(xùn)練能力，一行代碼就可以實(shí)現(xiàn)訓(xùn)練速度提升兩倍；通過(guò)重計(jì)算機(jī)制降低顯存占用，訓(xùn)練極深模型又好又省；擴(kuò)展了模型并行、彈性訓(xùn)練等大規(guī)模分布式訓(xùn)練能力，更好滿足超大規(guī)模數(shù)據(jù)場(chǎng)景的開發(fā)者需求。此外，還全新發(fā)布PaddleCloud云上任務(wù)提交工具，可快速匹配云上資源，提供云端訓(xùn)練資源。
而部署層面來(lái)講，飛槳提供多平臺(tái)、多場(chǎng)景、高性能的整體部署方案。此次除了持續(xù)夯實(shí)模型壓縮PaddleSlim、原生推理引擎Paddle Inference、在線部署框架Paddle Serving、輕量化預(yù)測(cè)引擎Paddle Lite等端到端部署核心能力，還全新發(fā)布國(guó)內(nèi)首個(gè)開源JavaScript深度學(xué)習(xí)前端推理引擎Paddle．js，用于小程序、網(wǎng)頁(yè)端部署。會(huì)上，飛槳聯(lián)合全球領(lǐng)先硬件廠商英特爾、英偉達(dá)、arm中國(guó)、華為、MediaTek、寒武紀(jì)、浪潮、中科曙光等啟動(dòng)共建硬件生態(tài)合作圈，強(qiáng)強(qiáng)聯(lián)手，合力推動(dòng)AI更快速的發(fā)展與落地。
在工具組件上，為了進(jìn)一步提升開發(fā)者全流程開發(fā)體驗(yàn)，飛槳全新發(fā)布PaddleX全流程開發(fā)工具，實(shí)現(xiàn)對(duì)“開發(fā)、訓(xùn)練、部署”全流程的打通，極大地方便了快速集成，大幅提升模型開發(fā)效率。目前，PaddleX已在各類AI應(yīng)用的快速開發(fā)中提供支持，如廣東電科院使用PaddleX開發(fā)智能巡檢，將原來(lái)6小時(shí)的巡檢流程縮短至15分鐘；以及虛擬現(xiàn)實(shí)內(nèi)容公司“指揮家”，在使用PaddleX實(shí)現(xiàn)VR應(yīng)用時(shí)，其開發(fā)效率提升了30％以上。
去年秋季深度學(xué)習(xí)開發(fā)者峰會(huì)上，飛槳發(fā)布的Master模式，此次也迎來(lái)全面升級(jí)，預(yù)訓(xùn)練模型更多、遷移學(xué)習(xí)能力更強(qiáng)。其中，在預(yù)訓(xùn)練模型方面，重點(diǎn)聚焦視覺預(yù)訓(xùn)練模型和NLP語(yǔ)義理解模型ERNIE。例如推出了視覺方面的超大規(guī)模的分類預(yù)訓(xùn)練模型、目標(biāo)檢測(cè)預(yù)訓(xùn)練模型、超大規(guī)模視頻分類預(yù)訓(xùn)練模型等等。遷移學(xué)習(xí)工具方面，則新增DELTA、Deep Transfer Never Hurt、自動(dòng)化超參搜索等多個(gè)最新技術(shù)，提升應(yīng)用效果。企業(yè)開發(fā)者可以通過(guò)開源的PaddleHub和EasyDL應(yīng)用飛槳Master模式，僅用少量數(shù)據(jù)、簡(jiǎn)單操作、更低成本，實(shí)現(xiàn)多場(chǎng)景下的優(yōu)異模型效果。
最后，飛槳的服務(wù)平臺(tái)升級(jí)為“飛槳企業(yè)版”。其中，EasyDL此次重磅發(fā)布業(yè)內(nèi)首個(gè)專注于AI開發(fā)領(lǐng)域的智能數(shù)據(jù)服務(wù)平臺(tái)EasyData，并在預(yù)訓(xùn)練模型、自動(dòng)數(shù)據(jù)增強(qiáng)與超參搜索，分布式訓(xùn)練加速、端計(jì)算模型部署等4個(gè)方面進(jìn)行升級(jí)。
不難感受到，飛槳一邊為“智能化”升級(jí)的產(chǎn)業(yè)實(shí)踐提供著全面且強(qiáng)有力的技術(shù)支持，一方面也在產(chǎn)業(yè)實(shí)踐過(guò)程中，實(shí)現(xiàn)技術(shù)能力的持續(xù)迭代、快速發(fā)展。在整個(gè)迭代進(jìn)程中，飛槳針對(duì)不同開發(fā)能力及開發(fā)需求的個(gè)人開發(fā)者與企業(yè)，進(jìn)行全方位的賦能，不斷降低深度學(xué)習(xí)的應(yīng)用門檻。本屆峰會(huì)，飛槳再次通過(guò)一系列的新動(dòng)作，將深度學(xué)習(xí)在實(shí)際業(yè)務(wù)中落地部署的速度加快，而同一時(shí)間，中國(guó)“產(chǎn)業(yè)智能化”轉(zhuǎn)型進(jìn)程、中國(guó)智造的創(chuàng)新方式也再次獲得巨大助力。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
