你所在的位置: 首页 > 正文

百度马艳军:用慢工做深度学习框架建设

2019-09-12 点击:640

“深度学习技术越来越成熟。百度飞桨等开源技术平台越来越好。技术门槛越来越低。越来越多的开发人员和工程师可以利用开源框架更轻松,更方便地开发研发百度深度学习技术平台主任马艳军说:“8月31日,在2019年世界人工智能大会(WAIC)上,百度深度学习技术平台主任马艳军说。”这也意味着工业应用的起源。

他指出,在智能时代,深度学习框架可谓“智能时代的操作系统”。通过封装基础语言和重要的算法模型,开发人员可以将更多精力投入到研发中,而无需重新创建轮子。 “深度学习框架在连接底层芯片,支持各种商业模式和行业应用,帮助开发人员进行网络,培训和预测方面发挥了作用,大大降低了研发门槛。”马艳君说。

据了解,经过多年的工业实践,百度Flying Paddle已经发展成为集成核心框架,工具组件和服务平台的端到端开源平台,包括支持实际应用和实现工业级应用效果的模型。用于扩展数据场景的分布式培训功能,支持多个异构硬件的高速推理引擎等。

根据百度发布的2019年第二季度财务报告,百度飞桨平台的下载量在2019年第二季度增长了45%。

在现场,马艳军介绍了飞桨的五大核心特征,包括支持静态和动态地图,为应用效果提供最佳官方模型,支持大规模分布式培训和端到端部署,并提供系统化深度学习服务。它为工业应用提供了强大的推动力。

首先,飞桨可以支持静态和动态图形编程,可以平衡效率和易用性。静态图是通过首先定义网络结构然后运行它来定义的,这可以使运行速度更快,内存使用率更低,这在工业应用业务部署中具有优势。同时,飞桨还提供动态图形模式,使模型调试更加灵活方便。同时,它还减少了用于构建Executor的代码量,使编写和调试网络的过程更加方便。

其次,飞桨在国际比赛中拥有大量经过行业验证的冠军模型,并提供官方支持以确保开发人员的应用效果最佳,真正可靠,模型涵盖自然语言处理,愿景,推荐,等主流应用程序任务。例如,ERNIE2.0连续学习语义理解框架也包含在先前的更新中。基于该框架的ERNIE2.0预训练模型在16个中英文任务中超越了BERT和XLNet,实现了SOTA效果。可以使用这些工业级模型,只需使用Paddle Hub,一行代码就可以完成模型加载,以及10行代码来完成迁移学习。

此外,Flying Paddle还为用户提供全面的中英文双语文档,并在开发者社区和官方技术交流团队中高效响应。同时,它提供了一个系统的服务系统,以护送企业合作伙伴,帮助大学和教育合作伙伴建立一个完善的系统。开发人员提供不同级别的培训系统。

其中,黄埔学院二期工程正式开放,16个行业共有48名学生入选,30%为CTO和技术总监。

http://www.whgcjx.com/bdsGP1/0QbGB

攀枝花新闻门户 版权所有© www.dgnuodiwujin.cn 技术支持:攀枝花新闻门户 | 网站地图