WAVE SUMMIT 2022飞桨带来六大全新发布、三大共创计划,助力AI普惠快讯

TechWeb.com.cn 2022-05-27 11:06
分享到:
导读

产业实践范例库共创计划、AI for Science共创计划,百度AI技术生态总经理马艳军在WAVE SUMMIT 2022峰会演讲 飞桨开源框架v2.3的全面升级让开发、训练和推理部署的成本再次降低,百度AI技术生态总经理马艳军为开发者带来飞桨深度学习开源框架2.3版本的全新发布。

【TechWeb】5月27日消息,由深度学习技术及应用国家工程研究中心主办、飞桨承办的WAVE S UMMIT2022深度学习开发者峰会于5月20日在线上举行。此次峰会,由百度自主研发,国内首个开源开放、功能丰富的产业级深度学习平台飞桨迎来了今年首次大规模全新发布,包括飞桨开源框架2.3版本、训推一体导航图、产业模型选型工具、飞桨深度学习实践教辅书、PaddleScience赛桨、飞桨移动工作站六大全新发布,以及新发布面向三个领域的共创计划,产业实践范例库和产业级模型库等多项重磅升级。

从2016年正式开源至今,飞桨在深度学习技术、场景、生态三大方面持续深化,不断夯实工业大生产强大底座,降低AI开发应用门槛,加速推动AI规模化落地。

飞桨开源框架v2.3全新发布,深耕技术提升体验

深度学习推动人工智能进入工业大生产阶段,而深度学习框架堪比智能时代的操作系统。本次峰会上,百度AI技术生态总经理马艳军为开发者带来飞桨深度学习开源框架2.3版本的全新发布,实现了更灵活的深度定制开发、自动调优的高性能训练、自动化压缩与高性能推理部署、以及云上飞桨四大核心升级。

首先对于高阶开发者灵活多样、深度定制的开发需求,飞桨开源框架v2.3推出了高复用性算子库PHI和高扩展性参数服务器架构,极大降低了二次开发成本。

针对训推过程,飞桨框架v2.3创新性地推出全流程硬件感知的性能自动调优方案和业内首个开源自动化压缩功能,从训练调优到模型压缩提供自动化最优方案,在降低开发者框架使用成本的同时,实现与专家级水平相当的性能效果。

为了更好地与云计算对接,此次新版本飞桨框架还发布了“云上飞桨”的能力。通过异构多云自适应分布式训练架构,实现了算力共享与知识共享两种多算力中心联合训练方案;并且还推出了云上部署编排工具PaddleCloud,仅需两行配置,即可定制云上开发部署环境,同时还可以基于多套件多模型配置模板,快速完成多模型自由组合,实现AI应用高效落地。

打通训练推理部署全流程,飞桨打造最懂产业场景的框架

如果技术无法落地,再炫也是空话。飞桨如今稳居国内综合市场份额首位,与其注重场景化建设、贴近实际应用的行动指引直接相关。

本次峰会上,飞桨在深化应用场景方面持续发力,发布训推一体导航图、产业模型选型工具以及飞桨移动工作站,全面降低AI落地应用门槛。

去年同期,WAVESUMMIT上的一张推理部署导航图震撼全场。经过一年的发展,推理部署导航图已经升级成为训推一体导航图,从开发、训练到推理部署的全流程愈加清晰,每一条路径都畅通无阻,实现了飞桨的全流程“智能导航”,让整个流程更加顺畅。

图:百度AI技术生态总经理马艳军在WAVE SUMMIT 2022峰会演讲

飞桨开源框架v2.3的全面升级让开发、训练和推理部署的成本再次降低。但是同样不可忽视的是,AI落地全流程中模型的选择也是至关重要的一环。

截至目前,飞桨产业级开源模型已经超过500个,覆盖计算机视觉、自然语言处理、语音、推荐、科学计算等主流任务场景。面对丰富的产业模型库,为了帮助开发者快速找到最合适的模型和应用方案,飞桨基于长期实践的积累,结合场景要素和需求分析,贴心地推出产业模型选型工具,提供全流程选型建议并附以相应产业实践范例,为开发者推荐最合适业务应用落地的“样板间”。

对应到产业端部署方面,面对更加实际的数据安全、工业环境等问题,飞桨推出了专门的企业级解决方案。百度AI产品研发部总监忻舟在峰会上重磅发布飞桨移动工作站,该便携式可移动AI工作站专为人工智能任务设计,最多可支持2张350W功耗的AI加速卡,适用于宽温宽压等工业级环境。飞桨移动工作站预装飞桨EasyDL桌面版和智能边缘控制台,可实现训推一体和边端协同的全流程AI开发和应用,一机即可解决模型开发、部署、迭代问题。

图:百度AI产品研发部总监忻舟在WAVE SUMMIT 2022峰会演讲

此外,本次峰会上,飞桨EasyDL桌面版、智能边缘控制台以及资源管理与调度工具PaddleFlow也同步发布了升级版本。更新后的EasyDL桌面版开放高级调参模式,并可在调参模式基础上进一步提供模板导出,开放更多细节,让模型开发过程更加灵活;智能边缘控制台方面新增了边缘控制中心,对接、管理多个智能设备端,整体上形成完整的端边云协同服务架构,可便捷实现全场景模型部署与应用集成;PaddleFlow则对算力调度内核、数据访问内核以及缓存位置感知能力进行了升级,自适应资源调度策略使GPU使用率大幅提升,在大量读取数据的AI训练场景下,训练效率可提升50%以上。

同样,在前沿科研领域,飞桨也在蓄力加速推进。对于近年来热度空前的科学计算领域,AI提供了全新的范式。飞桨继专门针对量子计算的“量桨”、生物计算的“螺旋桨”之后,本次峰会上全新发布面向科学计算领域的专属工具组件PaddleScience赛桨,助力数据驱动和理论推演两大科研范式的深度融合,加速前沿技术的落地应用。

为帮助开发者更好理解深度学习框架运行机理、掌握深度学习实践知识,飞桨在本次峰会上还联合浙江大学上海高等研究院常务副院长、浙江大学人工智能研究所所长吴飞教授,以及复旦大学计算机学院邱锡鹏教授分别发布了深度学习实践教辅书《人工智能导论:案例与实践》和《神经网络与深度学习:案例与实践》。飞桨希望通过产业实践与理论教学深度结合的教辅书进一步完善人工智能领域教学资源,促进产教融合,培养更多AI人才。

持续深耕AI生态,全面启动三大“共创”计划

聚焦生态建设的飞桨“大航海”计划投入15亿资金和资源,分别以“启航”、“领航”、“护航”为指引,从推动高校AI人才培养、开源共建前沿探索以及产业智能化升级三方面搭建飞桨生态。去年12月,飞桨“大航海”计划2.0正式发布,新增“共创计划”,以飞桨平台为基座,和社区开发者共创工具、模型、产业案例与实践经验;形成产业创新需求对接平台,共创产学研用正循环;与生态伙伴一起建设人工智能产业赋能中心,共创区域创新生态。

今年,飞桨携手生态伙伴在“大航海”计划2.0的基础上,具体发布三大共创计划:产业实践范例库共创计划、AI for Science共创计划,以及硬件生态共创计划。

去年12月,飞桨首次发布产业实践范例库,提供深度学习的真实产业应用场景,并提供完整代码和详细解析过程。经过半年的持续深耕,产业实践范例库进一步升级,库中实践范例累计达到47个。接下来,在产业实践范例库共创计划的加持下,飞桨将继续联合产业伙伴打造深度学习应用标杆,分享AI产业应用实战经验,共同推动产业智能化升级。

对于AI for Science共创计划,飞桨将通过重点资金扶持,以技术联合研发、推广资源共享等方式协同科研群体营造开源生态,共同推动科研创新。

硬件生态方面,飞桨与硬件伙伴的生态合作逐年深入。2020年“共聚”,飞桨与13家硬件伙伴联合发起了飞桨硬件生态圈,促进AI产业链的适配升级;2021年“共研”,飞桨与硬件伙伴软硬一体联合优化,适配飞桨的芯片/IP超过30种;2022年“共创”,协同推出厂商版飞桨框架、建设模型库、开发课程,更好地服务开发者,生态繁荣共赢。

过去几年,飞桨框架的升级迭代以及适用的场景不断拓宽,推动着深度学习与越来越多行业实现融合创新。在AI工业大生产阶段,人工智能越来越普惠,飞桨联合产学研各领域生态伙伴,正不断夯实工业大生产的强大底座,持续降低AI的开发、应用门槛,加速推动AI规模化落地。

AI 产业 深度 模型 学习
分享到:

1.TMT观察网遵循行业规范,任何转载的稿件都会明确标注作者和来源;
2.TMT观察网的原创文章,请转载时务必注明文章作者和"来源:TMT观察网",不尊重原创的行为TMT观察网或将追究责任;
3.作者投稿可能会经TMT观察网编辑修改或补充。