11月19日,由阿里巴巴、百度、華為、騰訊、網易等國內知名企業策劃發起,2019軟件綠色聯盟開發者大會于北京國家會議中心正式開幕。百度深度學習技術平臺部總監馬艷軍,與在場的300+合作伙伴及2000余名開發者分享了開源深度學習平臺飛槳面向大規模產業應用的最新技術進展。

 

[[283091]]

 

深度學習技術的發展和突破,使得人工智能切實成為驅動各行各業智能化升級的核心力量。而上承應用,下接芯片的深度學習框架可謂這個智能時代的“操作系統”?；陂_源開放的深度學習平臺進行開發,能夠有效降低深度學習技術應用門檻,讓開發者和企業避免重復“造輪子”,這也是當前業界主流的開發方式。

飛槳以百度多年的深度學習技術研究和業務應用為基礎,集深度學習核心框架、基礎模型庫、端到端開發套件、工具組件和服務平臺于一體,2016年正式開源,是中國首個也是目前國內唯一全面開源開放、技術領先、功能完備的產業級深度學習平臺,且擁有完整的自主知識產權?；顒蝇F場,倪光南院士在題為《自主創新 迎接軟硬件生態新潮流》的演講中也呼吁道,應加快推進中國網信技術自主可控,并指出一條開源軟件促進軟件業開放創新之路。

當前, AI+5G+IOT的快速發展正開啟著全場景的智聯生活,各行各業正在應用人工智能技術進行智能化升級,共建自主可控的泛終端軟硬件生態成重要議題。面對大規模產業應用的挑戰,現場馬艷軍著重分享了端側推理引擎Paddle Lite 2.0以及四大產業級端到端開發套件兩項飛槳的最新成果。

 

 

針對泛移動端,軟件層面如搜索排序、視頻推薦等應用超大規模稀性特征、萬億級模型參數在線持續學習、終生學習的挑戰,以及硬件層面異構計算等挑戰等,百度飛槳推出了輕量級的端側推理引擎Paddle Lite 2.0。

據介紹,Paddle Lite 2.0版本擁有三大特點,包括:高易用性,提供大量的示例代碼,以及操作的指南,方便快速實現在不同的設備場景上進行部署;廣泛的硬件支持,Paddle Lite目前已經支持了8種主流的硬件,同時支持華為NPU和邊緣設備的FPGA,且設計架構非常便于新硬件的拓展;以及性能優勢,Paddle Lite性能優勢不僅在FP32場景下,尤其是在移動端已廣泛普及的INT8上領先優勢會更加明顯。性能優勢對于實際的應用是至關重要的,時延上的優勢直接關系到最終開發產品的用戶體驗。

值得一提的是,Paddle Lite與華為HiAI Foundation進行了深度聯合優化取得了很好的進展。大會當天下午,華為正式對外發布了HiAI3.0版本。發布會上,百度深度學習技術平臺部技術經理高鐵柱,介紹了百度Paddle Lite端側推理框特性及與華為進行的深度適配。雙方在新一代人工智能產業技術創新戰略聯盟啟動端測AI軟件標準研究工作,通過標準化推理接口與標準化應用接口,促進端側AI產業規?；行虬l展,更好地助力開發者使用端側AI進行應用創新。

 

 

除互聯網領域外,當前深度學習也大量在傳統行業中落地。針對落地過程中,問題定義技術選型、驗證成本高研發周期長、設備成本限制及特定性能要求等真實挑戰,飛槳推出了4大面向應用任務的產業級開發套件,包括:ERNIE語義理解,PaddleDetection目標檢測、PaddleSeg圖像分割,以及推薦方向的ElasticCTR點擊率預估,降低開發門檻,滿足低成本和快速集成需求。

語義理解方面,ERNIE開發套件是基于持續學習語義理解框架ERNIE 2.0升級而來,在16個中英文任務全面超越對標產品,具備輕量方案、能力全面、極速預測、部署靈活、平臺賦能等五大特色。

PaddleSeg產業級圖像分割庫,覆蓋了DeepLabv3+、PSPNet、U-Net、ICNet四大主流的分割 模型。通過統一的配置,幫助用戶更便捷地完成從訓練到部署的全流程圖像分割應用。

目標檢測方面,PaddleDetection,已集成60+預訓練模型并包含百度國際競賽冠軍模型。目的是為工業界和學術界提供易使用的目標檢測模型。在這個庫中,飛槳還提供了許多目標檢測小模型,方便移動端設備使用。

用于個性化推薦的ELASTIC CTR,源自于百度的產業實踐?？梢詫崿F分布式訓練CTR預估任務和Serving流程一鍵部署,提供了端到端的CTR訓練和二次開發的解決方案。

 

 

如今,涉及國計民生的重要產業智能化升級正在不斷提速,行業頭部企業人工智能應用深度、廣度已相當可觀。百度飛槳正在深入各行各業,帶來切實價值。據悉,飛槳深度學習平臺已累計服務150多萬開發者,僅在定制化訓練平臺上就有超過6.5萬企業用戶,發布了16.9萬個模型。