百度展示PaddlePaddle全景图 发布11项新特性及服务

科技行者 4月23日 北京消息： 今天，首届WAVE SUMMIT 2019深度学习开发者峰会在北京举办，百度展示了PaddlePaddle全景图，并发布了11项新特性及服务。

会上，百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰表示，“深度学习推动人工智能进入工业大生产阶段，而深度学习框架是智能时代的操作系统。”他认为，深度学习技术已经具备了很强的通用性，正在推动人工智能进入工业大生产阶段，呈现出标准化、自动化和模块化的特点。深度学习框架承上启下，下接芯片、大型计算机系统，上承各种业务模型、行业应用，是智能时代的操作系统。

PaddlePaddle全景图首曝光 11项新特性及服务重磅发布

作为最早研究深度学习技术的公司之一，百度早在2013年即设立全球首个深度学习研究院。经过沉淀与积累，2016年百度PaddlePaddle 正式开源，成为中国首个也是目前国内唯一开源开放、功能完备的端到端深度学习平台。2017年，由国家发改委批复，百度牵头筹建了国内唯一的深度学习技术及应用国家工程实验室。百度在深度学习领域的实力可见一斑。

核心技术，是国之重器。开源三年的PaddlePaddle在深度学习开发者峰会上交出斐然的“成绩单”。

百度深度学习技术平台部总监马艳军首次对外公布了PaddlePaddle全景图，集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台，囊括支持面向真实场景应用、达到工业级应用效果的模型，针对大规模数据场景的分布式训练能力、支持多种异构硬件的高速推理引擎等。此次，重磅发布11项新特性及服务，包含PaddleNLP、视频识别工具集、Paddle Serving、PaddleSlim、AutoDL Design等多种深度学习开发、训练、预测环节的“硬通货”。现场还宣布“1亿元”AI Studio算力支持计划，首次公布PaddlePaddle中文名“飞桨”。

马艳军表示，“百度为大家提供的不仅是深度学习框架，而是提供一整套紧密关联、灵活组合的完整工具组件和服务平台，全面覆盖初学者、零算法基础工程师、算法工程师、研究者，平台功能覆盖更加完备，覆盖的用户更全面，各部分的打通更加顺畅。”

首先，核心框架层开放了从开发到训练，再到预测的一整套完整能力。开发环节， PaddlePaddle已开源60多个经过真实业务场景验证的官方模型，涵盖视觉、NLP、推荐等 AI核心技术领域，成为官方支持模型最多的深度学习平台。全新发布PaddleCV及业界首个视频识别工具集。面向工业应用的中文 NLP 工具集 PaddleNLP，将自然语言处理领域的多种模型用一套共享骨架代码实现，可减少开发者在开发过程中的重复工作。拥有当前业内效果最好的中?语义表示模型和基于用户大数据训练的应用任务模型，模型源于产业实践，达到工业级的应用效果。
首次重磅发布的视频识别工具集，为开发者提供解决视频理解、视频编辑、视频生成等一系列任务。它开放了7个视频分类经典模型，这些模型共享一套配置文件，并且在数据的读取、评估等方面共享一套代码，覆盖视频识别方向的主流领先模型，还可实现一键式的高效配置来做训练和预测。

训练环节，大规模分布式训练主要从三方面实现了升级。首先多机多卡的全面高效支持，提升了速度；其次是在CPU的应用场景方面，针对大规模稀疏特征设计并开放了大规模稀疏参数服务器，开发者可轻松下载相关镜像使用；大规模分布式训练支持在各种容器上高速运行，同时支持在K8S生态下使用PaddlePaddle进行训练。

数据处理方面，优化分布式IO，增加远程文件系统流式读取能力。GPU多机多卡同步训练通过增加稀疏通信能力提升带宽不敏感训练能力，在低配网络带宽网络环境下，例如10G网络下，同步训练可提速10倍。

开发和训练后，将模型部署到各种应用场景下是非常关键的一个步骤。部署环节需要高速的推理引擎，在此基础上，为了部署在更多的硬件上往往需要做模型压缩，在真正使用时，还需要软硬一体能力的支持。基于此，PaddlePaddle准备了完整的端到端的全流程部署方案，并将持续扩展对各类硬件的支持。基于多硬件的支持，PaddlePaddle提供性能全面领先的底层加速库和推理引擎，全新发布Paddle Serving支持服务器端的快速部署。不仅如此，模型体积压缩库PaddleSlim也是为开发者准备的“重磅惊喜”，针对体积已经很小的MobileNet模型，它仍能在模型效果不损失的前提下实现70%以上的体积压缩。

灵活、高效、易用是PaddlePaddle大受欢迎的重要原因。在多项全新发布及重磅升级中，工具组件方面显得尤为突出。此次，PaddlePaddle不仅重磅开源AutoDL Design、升级PARL，并首次提出并发布预训练一站式管理工具PaddleHub。

传统神经网络的结构设计是由人根据经验设计，并不断的进行调参训练获得最优结果，这个过程较为复杂和费时费力。AutoDL Design自动化网络结构设计是用深度学习设计深度学习，目前已经全面超过人类专家设计的网络效果。升级后的强化学习工具PARL，在算法的覆盖、高性能通讯以及并行的训练方面做了大量支持和扩展。简明易用的预训练模型管理工具PaddleHub，提供包括预训练模型管理、命令行一键式使用和迁移学习三大功能，10行代码即可让开发者完成模型迁移。

百度豪掷1亿元免费算力 为开发者破除算力桎梏

大数据、大模型、大算力是深度学习发展的必备因素，算力的重要性不言而喻。百度豪掷1亿元免费算力，力为普通开发者破除算力桎梏。马艳军宣布，百度一站式开发平台AI Studio重磅推出算力支持计划，“我们提供总计1亿元免费算力，助力开发者成功”。据介绍，免费算力主要以两种模式提供，第一种是一人一卡模式，V100的训练卡包括16G的显存，最高2T的存储空间。另外一种是远程集群模式，PaddlePaddle提供高性能集群，供开发者免费使用。

深度学习的标准化、自动化、模块化推动人工智能进入工业大生产阶段，也进一步为产业升级提供了强有力的“助攻”。基于PaddlePaddle，北京林业大学研发的面向信息素诱捕器的智能虫情监测系统，研究对象是红脂大小蠹。这套检测系统的应用大幅降低虫情监测的人力成本，以往人工检测需要一周的工作量，现在用自动检测一小时内就能处理完。中科院遥感与数字地球研究所应用PaddlePaddle Faster R-CNN模型，结合特征提取网络VGG16及区域建议网络（Region Proposal Network，RPN），以及融合attention机制的Deeplab v3网络对遥感影像进行目标检测与语义分割，从而实现对重大工程目标与建设用地变化图斑的提取。辅助国家进行重大工程用地扩张与变化情况的监测工作，并对土地资源的利用进行有效管理与控制。

深度学习发展一方面是技术的不断创新突破，另一方面需要建设完整健康的生态。高校方面，百度提供深度学习师资培训，并通过协同育人专项基金以及AI Studio教育版，培育深度学习领域高校人才；在开发者社区中，PaddlePaddle提供免费在线课程、免费算力支持，以及不间断的赛事互动，持续推动深度学习技术发展；企业方面，不仅举办黄埔学院，还发布了“AI快车道”计划以及AI技术的生态扶持计划，预计深度扶植1000家AI企业。
此外，本次大会百度还为开发者们精心打造了属于他们的深度学习“江湖”，不但有传授深度学习“武功秘籍”的公开课，还有“实战过招”的开发者市集，一次性满足深度学习开发者从“心法招式”到“当面切磋”的需求。

这一场过千位开发者组成的深度学习开发者峰会，必将掀起国内深度学习史无前例的浪潮，加速深度学习技术的发展和产业应用，必将成为历史上不可磨灭的一笔。