免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

深度學習的歷史并不算長,卻呈現出了清晰的代際變遷。

在深度學習框架出現前,開發者需要進行很多繁重的工作,包括算法、算力和數據,基本處于石器時代的階段;

深度學習框架在2012年萌芽后,陸續出現了 Caffe、Chainer 、Theano等框架,深度學習開始進入到青銅時代;

谷歌、百度、Facebook等互聯網巨頭進場后,憑借強大的應用場景和底層能力,深度學習正式邁入了鐵器時代。

之后深度學習框架越來越多,訓練能力和可用性也越來越強,特別是TensorFlow、PyTorch、飛槳幾乎占據深度學習框架95%以上市場份額的局面下,業界陸續出現了這樣一種聲音:人工智能何時進入大規模產業化應用的工業大生產時代?

日前結束的Wave Summit 2021深度學習開發者峰會上,持續進化的飛槳已經給出了確切的答案。

01 逼近產業爆發的臨界點

百度的AI布局始于2010年,但2016年是個特殊的時間節點,這一年百度正式開源了自家的深度學習框架飛槳,不僅填補了國內深度學習框架的市場空白,也為中國開源力量的崛起埋下了伏筆。

有別于一些學術性質的開源框架,飛槳身上有著典型的產業標簽,為了讓深度學習從一門技術走進千行萬業的產業世界,飛槳的每一次進化都在嘗試降低深度學習的開發門檻,讓技術可以順暢的轉化為社會生產力。而每年兩次的Wave Summit深度學習開發者峰會,可以說是洞察飛槳產業化進程的風向標。

2019年冬天,飛槳一口氣帶來了21項全新發布和重要升級,其中端到端開發套件成為開發者們討論的核心焦點。涵蓋語義理解、目標檢測、圖像分割和點擊率預估的四大端到端開發套件,旨在通過模塊化的設計和端到端的體驗,滿足企業低成本開發和快速集成需求,進一步推動深度學習的產業落地。

2021年的Wave Summit 深度學習開發者峰會期間,飛槳在穩定性、兼容性和成熟度的基礎上,再次為產業智能化開足馬力,不斷逼近AI在產業深處爆發的臨界點:

全新發布飛槳開源框架V2．1,對自動混合精度、動態圖、高層API等進行了優化和增強。尤其是自定義算子功能的全面升級,進一步降低了開發者自定義算子的學習與開發成本,并大幅提升了開發的靈活性;

分布式訓練方面,發布大規模圖檢索引擎,支持萬億邊的圖存儲和檢索,大規模圖模型訓練架構支持網易云音樂等企業大規模應用落地。

模型套件方面,文心ERNIE全新開源發布 4大預訓練模型,知識與深度學習相結合實現知識增強的語義理解,不僅僅能理解語言,還可以理解圖像,實現統一的跨模態語義理解。

部署方面,飛槳提供全面的推理部署工具鏈,重磅發布推理部署導航圖,其中已驗證300多條部署通路,助力開發者打通AI應用的“最后一公里”。

飛槳企業版在EasyDL、BML“兩翼”升級的同時,還開放了飛槳企業版的“核”——PaddleFlow,以云原生、高性能、輕量易用的特色,專為AI平臺開發者提供核心能力并賦能更多細分場景和深度定制的AI平臺。

飛槳的進化歷程無疑印證了百度CTO王海峰對于人工智能技術和產業發展的思考:一是融合創新,多技術融合創新、深度學習平臺與芯片軟硬一體優化、人工智能技術與應用場景融合創新發展的趨勢愈加明顯;二是降低門檻,隨著人工智能技術在各行業的滲透,面向不同應用場景,高效滿足不同的開發者需求,持續降低門檻非常關鍵。

門檻的大幅降低,加快了人工智能應用的多樣化和規模化,也加快了產業智能化進程。

02 抹平算法和算力的鴻溝

對于深度學習框架的價值,百度CTO王海峰曾經有過一個恰當的比喻:“深度學習框架起到承上啟下的作用,下接芯片和大型計算機系統,上承各種業務模型與行業應用,是智能時代的操作系統”。

單單只有開源深度學習框架的進化,恐怕還不足以將百萬計的開發者們“擺渡”到工業大生產的彼岸。畢竟人工智能的三要素包括算法、算力和數據,僅僅是跨越算法和算力之間的鴻溝,就足以將不少開發者拒之門外。

目前英偉達主導的GPU在神經網絡訓練中有著舉足輕重的地位,可英偉達等硬件廠商并沒有能力對所有的框架進行適配,只能選擇TensorFlow、PyTorch和飛槳三個最成熟的框架進行優化。

結果就是,倘若深度學習框架不對芯片進行適配優化,再好的芯片也只是一堆廢鐵;假如芯片和深度學習框架間的橋梁不打通,“智能時代操作系統”的實用價值無疑要大打折扣。

飛槳給出的答案是主動擔當起打造硬件生態的重任。

根據百度集團副總裁吳甜在Wave Summit 2021上披露的數據,飛槳已經和22家硬件廠商合作,完成和正在適配的芯片或IP達到31款,名單包括百度昆侖、英特爾、英偉達、華為、曙光、瑞芯微、安霸等等。

目前飛槳在硬件生態方面已經處于業界領先地位,不僅涵蓋了從訓練到部署、從通用型計算硬件到專用的AI加速硬件、從服務端到移動端的硬件適配和優化,還和一些企業達成了深度合作。比如飛槳通過和英特爾OneAPI的合作,為開發者提供了跨平臺集成的開發路徑;通過集成TensorRT的加速能力,協助英偉達在GPU領域實現了高效推理。

值得一提的是,身為深度學習國產之光的飛槳,和飛騰、海光、鯤鵬等國內芯片廠商進行了深入合作,僅在海光DCU上適配的模型就已經超過50個,中國自主可控的“操作系統+芯片”生態已逐步成型。

其實個中原因并不難理解,人工智能的大規模落地已經步入快車道,而飛槳恰恰是各行各業走向智能化的重要驅動力。

躬身構建軟硬件生態,抹平算法和算力之間的鴻溝,進一步打破深度學習的應用壁壘,既是百度作為人工智能頭雁的應有之義,也是飛槳重塑生產力與生產關系的初心。