一文速览百度飞桨 21 项重磅发布 & 升级

11 月 5 日,「WAVE SUMMIT+」2019 深度学习开发者秋季峰会在北京召开。在本次峰会上,飞桨(PaddlePaddle)全新发布和重要升级 21 个产品方向,包括:面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨 Master 模式等。

本次更新不仅仅是飞桨功能易用性的提升,也是飞桨由开发者迈向产业应用的开端。在此,雷锋网 AI 开发者将其更新内容整理编辑如下。

一文速览百度飞桨 21 项重磅发布 & 升级

1+1+4+3+12

本届峰会上,百度深度学习技术平台部总监马艳军向参会者们介绍了飞桨产业级深度学习开源开放平台全景图,带来了基于产业化困难的洞察,飞桨全新发布和重要升级的 21 个产品方向,包括 9 项全新发布和 12 项新版升级。

一文速览百度飞桨 21 项重磅发布 & 升级

9 项全新发布

其中,全新发布 1 个模式、1 端侧推理引擎、4 大产品开发套件、3 个工具组件。

1 个模式,指的是 Master(大师)模式,即算力+数据和知识+算法=产业级预训练模型,产业级预训练模型+迁移学习工具平台构成 Master 的核心,可以用于多种行业场景。

一文速览百度飞桨 21 项重磅发布 & 升级

1 个端侧推理引擎,则是 Paddle Lite 2.0 版本。这是一个轻量级深度学习推理框架,提供了预测到部署完整工具链,旨在打通端到端部署全流程。

一文速览百度飞桨 21 项重磅发布 & 升级

4 大面向应用任务的产业级开发套件,则专用于实现四大应用任务的全流程开发、训练和部署,包括:
  • NLP 领域的 ERNIE 语义理解——一个基于持续学习的语义理解预训练框架;
    一文速览百度飞桨 21 项重磅发布 & 升级
     
  • CV 方向的 PaddleDetection——目标检测 已集成 60+预训练模型,提供易使用的目标检测模型;
一文速览百度飞桨 21 项重磅发布 & 升级
  • PaddleSeg 图像分割——帮助用户完成从训练到部署的全流程图像分割应用;
一文速览百度飞桨 21 项重磅发布 & 升级
  • 推荐方向的 ElasticCTR 点击率预估——可实现分布式训练 CTR 预估任务和 Serving 流程一键部署;
一文速览百度飞桨 21 项重磅发布 & 升级
3 项深度学习前沿技术工具组件,包括:
  • 联邦学习 PaddleFL——其能力在于复制和比较不同的联邦学习算法;
一文速览百度飞桨 21 项重磅发布 & 升级
  • 图神经网络框架 PGL——提供了一系列的Python接口用于存储/读取/查询图数据结构,并且提供基于游走(Walk Based)以及消息传递(Message Passing)两种计算范式的计算接口;
一文速览百度飞桨 21 项重磅发布 & 升级
  • 多任务学习框架 PALM——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)和数据集读取与处理工具;
一文速览百度飞桨 21 项重磅发布 & 升级
现场,还全新发布 EasyDL 专业版,为算法工程师提供一站式 AI 开发平台。
一文速览百度飞桨 21 项重磅发布 & 升级
12 项重要升级
除了 9 大全新发布外,新版飞桨 1.6 还有 12 项产品重要升级。包括:
  • 提供更多的算子库、简单高效的 API 接口、完善的文档内容;
  • 升级轻量级模型结构自动搜索 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;
  • NLP、CV、推荐系统、语音等各大基础模型库的模型,从原来的 60+到了 100+(这其中包含多个在 AI 竞赛中夺冠的算法模型);
一文速览百度飞桨 21 项重磅发布 & 升级
  • 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;
  • 深度强化学习框架 PARL 并行能力升级,支持进化算法;
  • Paddle2ONNX 和 X2Paddle 升级,飞桨和其他框架的模型互转更加方便;

其它开源

除了全新发布与升级外,本次峰会上百度还新开源了 4 个国际竞赛冠军模型,希望进一步引领深度学习技术发展方向。这 4 个模型包括:
  • Activitynet Challenge 2019 冠军模型 BMN;
  • Detection In the Wild Challenge 2019 Objects365 Full Track 冠军模型 CACascade R-CNN;
  • CVPR LIP Challenge 2019 冠军模型 ACE2P;
  • MRQA: EMNLP2019 Machine Reading Comprehension Challenge 冠军模型 D-NET ;

更新后的飞桨性能如何?

据官方介绍,全新升级后的飞桨,易用性大幅提升,动态图全新升级、新增大量算子库、优化 API 接口,技术文档更加完善。

一文速览百度飞桨 21 项重磅发布 & 升级

其中,在大规模分布式训练性能方面,分布式 GPU 训练相比其他主流实现可以获得 20%-100% 的速度提升,分布式 CPU 训练最大吞吐量可达竞品的 6 倍以上。

一文速览百度飞桨 21 项重磅发布 & 升级

目前,官方支持模型库极大丰富,官方模型从 60 多个增加到了 100 多个,提供下载的预训练模型已经超过 200 个。

一文速览百度飞桨 21 项重磅发布 & 升级

在峰会发布最后,飞桨也发布了最新生态激励计划,包括:
  • 免费开放10多个AI课程;
  • 支持100多所重点高校教学培训;
  • 为1000多个企业转型提供助力计划;
  • 还有百万级的AI竞赛奖金和亿元级GPU算力资源支持。
一文速览百度飞桨 21 项重磅发布 & 升级
百度飞桨官网:
https://www.paddlepaddle.org.cn/ 
开源地址: 
https://github.com/paddlepaddle/paddle 
 
来源 | 雷锋网
作者 | 杨鲤萍

上一篇:智能+:需要的不仅仅是技术
下一篇:人脸识别的肤色性别偏见背后,是人类自己的偏见