近日，百度公司宣布旗下“飛槳”深度學(xué)習(xí)開源開放平臺又一次迎來20多項功能發(fā)布和技術(shù)升級。這些發(fā)布和升級包括提升核心框架性能和易用性、新增產(chǎn)業(yè)級模型庫、發(fā)布端側(cè)推理引擎PaddleLite、發(fā)布面向產(chǎn)業(yè)應(yīng)用場景的端到端開發(fā)套件（自然語言處理領(lǐng)域的ERNIE語義理解、計算機視覺方向的PaddleDetection目標(biāo)檢測和PaddleSeg圖像分割、智能推薦方向的ElasticCTR點擊率預(yù)估）等。
百度首席技術(shù)官、深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實驗室主任王海峰向《中國科學(xué)報》表示，功能發(fā)布和技術(shù)升級后，飛槳平臺的深度學(xué)習(xí)模型開發(fā)能力、訓(xùn)練能力、預(yù)測和部署能力進(jìn)一步提升，可比肩TensorFlow、PyTorch等國際主流框架，在多項技術(shù)上有優(yōu)于后者的表現(xiàn)。
智能時代的操作系統(tǒng)
“深度學(xué)習(xí)框架上承各種應(yīng)用、下接芯片等硬件，起到了承上啟下的作用，是‘智能時代的操作系統(tǒng)’?！蓖鹾７逭f，然而，在2016年之前，國內(nèi)外開發(fā)者主要基于谷歌TensorFlow、臉書PyTorch、亞馬遜MxNet等國外深度學(xué)習(xí)框架進(jìn)行人工智能算法、模型的開發(fā)、訓(xùn)練與部署。
百度飛槳的開源開放及不斷升級打破了這一局限。尤其是經(jīng)過多輪升級和打磨之后，如今飛槳平臺在深度學(xué)習(xí)框架的開發(fā)、訓(xùn)練、預(yù)測及部署等核心能力上均有著比肩甚至超越國外主流框架的表現(xiàn)。這使得我國人工智能（AI）技術(shù)開發(fā)者和使用者不必依賴于國外平臺，同時還可進(jìn)一步培育自主可控的AI開發(fā)應(yīng)用生態(tài)。
飛槳是我國目前唯一具有完全自主知識產(chǎn)權(quán)的全功能性產(chǎn)業(yè)級深度學(xué)習(xí)平臺，包括核心框架、模型庫、開發(fā)套件、工具組件和服務(wù)平臺五大部分。百度技術(shù)團(tuán)隊自2018年以來對飛槳進(jìn)行了全面升級，并進(jìn)行大規(guī)模推廣。
優(yōu)于國外框架的使用體驗
近兩年來，飛槳圍繞深度學(xué)習(xí)框架的基本功能、性能、芯片支持的完備性等技術(shù)指標(biāo)進(jìn)行了一系列的易用性開發(fā)和性能迭代，為開發(fā)者提供了優(yōu)于國外框架的使用體驗。
在開發(fā)能力方面，飛槳除了支持對常用API的調(diào)用之外，還在編程范式上同時支持聲明式編程和命令式編程，兼具很好的靈活性和穩(wěn)定性，可滿足不同開發(fā)者的開發(fā)習(xí)慣，更易上手。另外，飛槳提供了“自動化網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計”這一工具，在多個任務(wù)上實測顯示自動化設(shè)計水平已超過人類專家。
百度深度學(xué)習(xí)技術(shù)平臺部總監(jiān)馬艷軍告訴《中國科學(xué)報》，該領(lǐng)域頂級學(xué)術(shù)會議之一AAAI第一篇有關(guān)圖像風(fēng)格遷移網(wǎng)絡(luò)的自動化網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的論文即來自百度飛槳技術(shù)團(tuán)隊。
在訓(xùn)練方面，飛槳平臺突破了超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練技術(shù)，研制了千億特征、萬億參數(shù)、數(shù)百節(jié)點的開源大規(guī)模訓(xùn)練平臺，實現(xiàn)了萬億規(guī)模參數(shù)深度學(xué)習(xí)模型的實時更新。
“當(dāng)前國際主流的開源框架還停留在僅支持千億參數(shù)或更低規(guī)模的模型訓(xùn)練的水平，飛槳這一突破解決了大規(guī)模產(chǎn)業(yè)應(yīng)用的難題?！蓖鹾７逭f，有的大型科技公司每天會有百億級數(shù)據(jù)量，所需模型規(guī)模參數(shù)量達(dá)萬億級別，這要求深度學(xué)習(xí)平臺的訓(xùn)練能力與之匹配。例如，OPPO在應(yīng)用商店的應(yīng)用推薦場景，使用基于飛槳的分布式訓(xùn)練技術(shù)，訓(xùn)練速度（16個訓(xùn)練節(jié)點）相比單機TensorFlow提升8倍。
在預(yù)測、部署環(huán)節(jié)，飛槳技術(shù)團(tuán)隊在各類硬件適配上做了大量工作，當(dāng)前可以輕松地部署到X86 CPU、英偉達(dá)GPU、Mali GPU、華為NPU等8種不同架構(gòu)的平臺設(shè)備上，并在對華為、寒武紀(jì)等國產(chǎn)AI芯片的適配方面取得了顯著效果。比如在華為麒麟芯片上，無論推理速度還是能效都有大幅提升。
同時，飛槳平臺和其他開源框架訓(xùn)練的模型也能無縫銜接，可進(jìn)一步突破模型推理速度。
“產(chǎn)業(yè)級應(yīng)用要求很苛刻，推理速度快的優(yōu)勢盡顯。比如質(zhì)檢線上一個零件的停留時間只有數(shù)十毫秒，如果推理速度不夠，可能導(dǎo)致機器無法及時完成缺陷識別?！瘪R艷軍舉例說，飛槳下大力氣結(jié)合許多苛刻場景做了性能優(yōu)化，目的就是推動飛槳在工業(yè)場景的應(yīng)用。在已上線飛槳計算機視覺相關(guān)模型的上海和輝光電OLED及重慶京東方LCD不良檢測項目中，產(chǎn)品漏檢率、過檢率相較應(yīng)用前均有數(shù)倍提升。
評測數(shù)據(jù)顯示，通過采用CPU全異步并行，飛槳平臺在點擊率預(yù)估模型、詞向量模型上比TensorFlow快8~10倍；在GPU多機多卡同步訓(xùn)練下，飛槳在多個模型下評測訓(xùn)練速度比TensorFlow快30%~70%。
在上述能力強化的基礎(chǔ)上，飛槳官方支持100多個經(jīng)過長期產(chǎn)業(yè)實踐打磨的主流模型，其中包括在國際競賽中奪得冠軍的模型，同時開源開放200多個預(yù)訓(xùn)練模型，以助力快速產(chǎn)業(yè)應(yīng)用。
培育自主可控的AI生態(tài)
統(tǒng)計數(shù)字顯示，飛槳當(dāng)前擁有超過6.5萬企業(yè)用戶，在定制化訓(xùn)練平臺上發(fā)布了16.9萬個模型，且模型數(shù)量呈現(xiàn)顯著增長趨勢，在工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)等各行各業(yè)中廣泛應(yīng)用。同時，飛槳已經(jīng)累計服務(wù)150萬開發(fā)者，這一數(shù)字約占中國軟件從業(yè)平均人數(shù)的1/4。
不過，與TensorFlow等相比，飛槳在生態(tài)構(gòu)建上仍然有較大發(fā)展空間?！吧鷳B(tài)體系不是一朝一夕培育起來的，國外框架幾年前就開始在中國大規(guī)模推廣了，目前滲透很深?！蓖鹾７逭f，“我們希望有關(guān)多方圍繞深度學(xué)習(xí)框架和平臺這個核心形成合力，下大力氣培育自主的生態(tài)體系?！?nbsp;
中國科學(xué)院計算技術(shù)研究所研究員陳云霽今年發(fā)表在《中國計算機學(xué)會通訊》上的《智能計算系統(tǒng)——一門人工智能專業(yè)的系統(tǒng)課程》一文中提到，越是人工智能上層（算法層、應(yīng)用層）的研究，我國研究者對世界作出的貢獻(xiàn)越多；越是底層（系統(tǒng)層、芯片層），我國研究者的貢獻(xiàn)越少。
“在各種ImageNet比賽中，我國很多機構(gòu)的算法模型已經(jīng)呈現(xiàn)霸榜的趨勢，可以說代表了世界前沿水平。但這些算法模型絕大部分都是在CUDA編程語言、TensorFlow編程框架以及GPU之上開發(fā)的。在這些底層的‘硬科技’中，我國研究者對世界的貢獻(xiàn)就相對少了很多。”對這一現(xiàn)象，陳云霽表示擔(dān)憂，“底層研究能力的缺失不僅給我國人工智能基礎(chǔ)研究拖后腿，更重要的是，將使得我國智能產(chǎn)業(yè)成為‘空中樓閣’，走上信息產(chǎn)業(yè)受核心芯片和操作系統(tǒng)制約的老路?！?nbsp;
對此，王海峰表示，國產(chǎn)智能芯片和深度學(xué)習(xí)框架都是構(gòu)建我國自主AI生態(tài)的關(guān)鍵，智能時代深度學(xué)習(xí)平臺一定要和AI芯片對接，不僅要做軟件的優(yōu)化，還要軟硬一體，跟芯片一起聯(lián)合優(yōu)化。
“如果不發(fā)展自主芯片、操作系統(tǒng)，國內(nèi)也就培養(yǎng)不出相應(yīng)的人才——維護(hù)好自己的社區(qū)，跟在別人構(gòu)建的社區(qū)中修修補補是完全不一樣的。我國在智能時代不能再讓受制于人的歷史重演，這也是百度大力做飛槳平臺的意義所在?！蓖鹾７灞硎荆瑹o論是推動AI技術(shù)從實驗室走向產(chǎn)業(yè)，還是自主AI生態(tài)構(gòu)建，飛槳深度學(xué)習(xí)框架未來將繼續(xù)發(fā)揮重要作用。
摘自《中國科學(xué)報》
