百度飞桨全新发布四大产业应用开发套件 创新Master模式 鼎力相助产业智能升级

作者: 佚名 2019-11-05 21:50:21

工业社会的高速稳定发展离不开完善的基础设施。作为智能时代的操作系统,深度学习框架便是AI领域不可或缺的基础设施。11月5日,“WAVE SUMMIT+”2019深度学习开发者秋季峰会在北京召开。这是继4月23日首场深度学习开发者峰会后,百度再次为广大开发者们带来的深度学习盛宴。本届峰会,飞桨(PaddlePaddle)全新发布和重要升级21个产品方向,包括面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨Master模式、端侧推理引擎Paddle Lite 2.0、EasyDL专业版、前沿技术工具组件等。可以看到飞桨的易用性全面提升,极大降低开发门槛的同时,面向产业应用的支撑能力更强。飞桨正成为开发者把握AI时代的工业化大生产平台,加速产业智能化的核心动力。

飞桨是历经产业实践打磨的“趁手利器”

峰会上,百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰讲到:“深度学习正在推动人工智能进入工业化大生产阶段,具有很强的通用性,同时具备了标准化、自动化和模块化的基本特征,推动人工智能技术从实验室走向产业,并且越来越大规模使用起来。而深度学习技术和平台也在不断发展,在未来的时间里也将继续发挥重要作用。我们秉承开源开放的理念,把飞桨平台开源开放,与所有开发者一起,推动科技发展、产业创新和社会进步。”    

飞桨以百度多年的深度学习技术研究和业务应用为基础,集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体,2016年正式开源,是目前国内全面开源开放、技术领先、功能完备的产业级深度学习平台。飞桨已成为中国大规模产业智能化的坚强支撑。

在活动现场,百度AI技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任吴甜介绍到,飞桨是一个源于产业实践,与产业共进的深度学习开源开放平台。未来,飞桨将持续发展超大规模分布式计算、异构计算能力,定位于全硬件平台支持、端云边结合,为应用场景提供面向场景的端到端套件,构建融合数据和知识的预训练结合迁移学习的Master模式,为开发者提供生产平台和基础设施,加速产业智能化。           

截止目前,百度基于飞桨平台,已累计服务150多万开发者,仅在定制化训练平台上就有超过6.5万企业用户,发布了16.9万个模型。飞桨成为改变人们生活的“助攻者”之一,同时也是开发者最想快速掌握的深度学习平台。

据介绍,飞桨具备四大领先技术:开发便捷的产业级深度学习框架、支持超大规模深度学习模型训练、多端多平台部署的高性能推理引擎以及面向产业应用,开源开放覆盖多领域的工业级模型库等。飞桨的开源开放,降低了AI技术门槛,加快了科技创新速度。目前飞桨已广泛应用于工业、农业、服务业等,推动了人工智能的技术创新、产业发展和人才培养,加快了各行各业智能化升级,并与合作伙伴一起帮助越来越多的行业完成AI能力赋能,促进经济发展和社会进步。

飞桨全新内容鼎力相助产业智能应用落地

百度深度学习技术平台部总监马艳军向参会者们介绍了飞桨产业级深度学习开源开放平台全景图,带来了基于产业化困难的洞察,飞桨全新发布和重要升级的21个产品方向。其中,全新发布4大面向应用任务的产业级开发套件,实现四大应用任务的全流程开发、训练和部署,更加方便实现应用落地。包括:NLP领域的ERNIE语义理解,CV方向的PaddleDetection目标检测和PaddleSeg图像分割,推荐方向的ElasticCTR点击率预估,降低开发门槛,满足低成本和快速集成需求。

全新发布端侧推理引擎Paddle Lite 2.0版本,打通端到端部署全流程,提升易用性,广泛的硬件支持,预测性能全面领先,INT8 量化性能亮眼。在原有的工具组件基础上,还全新发布3项深度学习前沿技术工具组件:联邦学习PaddleFL、图神经网络PGL和多任务学习PALM。

现场,还全新发布EasyDL专业版,为算法工程师提供一站式AI开发平台。PaddleHub 全新升级,支持飞桨Master模式。所谓Master(大师)模式,指的是:算力+数据和知识+算法=产业级预训练模型,产业级预训练模型+迁移学习工具平台构成Master的核心,可以用于多种行业场景。

全新升级后的飞桨,易用性大幅提升,动态图全新升级、新增大量算子库、优化API 接口,技术文档更加完善。大规模分布式训练性能领先,分布式GPU训练相比其他主流实现可以获得20%-100%的速度提升,分布式CPU训练最大吞吐量可达竞品的6倍以上。官方支持模型库极大丰富,官方模型从60多个增加到了100多个,提供下载的预训练模型已经超过200个。

新开源4个国际竞赛冠军模型:Activitynet Challenge 2019 冠军模型 BMN;Detection In the Wild Challenge 2019 Objects365 Full Track 冠军模型 CACascade R-CNN;CVPR LIP Challenge 2019 冠军模型 ACE2P;MRQA: EMNLP2019 Machine Reading Comprehension Challenge冠军模型 D-NET 。

现场,百度还面向深度学习开发者推出了重磅福利——飞桨生态激励计划,免费开放10个AI课程体系、面向100余所重点高校提供深度学习教学支持培训、助力1000余家AI企业转型智能化、设立100万元AI系列比赛奖金、提供1亿元的GPU算力资源支持。

飞桨全方位助力产业智能化“落地开花”

时下,百度飞桨已经成为全面推动国内工业智能化升级的重要基石。正如前不久,百度在第六届乌镇世界互联网大会获得“世界互联网领先科技成果”的荣誉,飞桨正在通过其技术领先、功能完备、生态丰富等特点向世界展示着中国科技的力量。

现场,华为消费者BG智慧工程部部长王松涛表示:“HiAI是华为CBG全场景智慧化战略的核心驱动力。在基础层,HiAI和Paddle Lite联合优化,持续向开发者提供更多算子;在引擎层,HiAI正在联合Paddle Lite打造更优化效果。未来,HiAI将在On Device AI、分布式AI、智慧大脑、多模融合等方向与飞桨深度合作。”

北京大恒图像视觉有限公司总工程师房超在现场围绕机器视觉在工业检测中的应用的话题做了演讲,他说到:“传统的算法开发存在很多的弊端,人力成本的频繁支出,后续研发、场景变换等都给研发带来巨大的工作量。与百度飞桨合作后,检测设备的检测效率得到大幅提升,对于传统算法会漏检的一些不明显的缺陷,能提升60%的缺陷检出率,除此之外,更在设备后续维护上完成突破,大幅减少外派工程师验证设备的概率,真正实现了降本增效。”

广东电网能源公司人工智能与机器人部部长吴昊在现场介绍到,广东电网利用百度飞桨深度学习平台打造了一套智能无人电力巡检,可以实时对输变电设备进行检测和分析,让6小时的工作变为了15分钟的数据复核,降低了运维成本,提高了自动化和智能化水平。

产学研用生态建设创造更大价值

源于产业实践的开源开放深度学习平台飞桨,已经在各行各业的产业智能化进程中发挥越来越大的价值。为了更好地发挥飞桨在新一代科技革命与产业革命中的核心驱动力量,飞桨在提升自身技术能力的同时,不断渗透产业,加大产学研合作力度,针对不同圈层的开发者,进行人才培养,全方位构建开发者生态。

据现场介绍,针对科研开发者,飞桨创办了中国深度学习技术俱乐部“飞桨博士会”,旨在打造核心开发者交流圈,助力拓展行业高端人脉。针对高校开发者,飞桨开展了高校教学支持计划,在教育部新工科联盟支持下,飞桨面向全国重点高校组织师资培训,提供教学资源、实践平台、GPU算力、硬件教具全方位教学支持。目前,已培养1000名专业教师,助力200+高校开设深度学习课程。而针对企业开发者,飞桨提供企业深度学习实战营“AI快车道”,为技术转型与升级的一线工程师定制实战课程。目前,已为近1000家企业提供深度学技术快速应用扶持培训。

除此之外,对于个人开发者而言,PaddleCamp在线深度学习集训营,采用课程+文档+实战的形式,内容覆盖CV、NLP、推荐等多领域,助力开发者从“小白”到“大牛”。为了更好的激发开发者学习兴趣,助力各阶段开发者的快速成长,面向不同深度学习能力的开发者,飞桨还举办了一系列巅峰赛、常规赛、挑战赛,奖金更是高达百万元。

百度在培养中高端深度学习人才过程中,也在不断向高精尖迈进。今年年初,百度联合深度学习技术及应用国家工程实验室创办“黄埔学院”,致力于为业界培养一批“首席AI架构师”,打造中国深度学习核心技术圈,通过深度学习技术推动中国产业变革。

人工智能与产业的深度结合不仅蕴含着海量的市场机会,同时也是中国在全球市场竞争中的新机遇。飞桨为中国产业开发者提供了在智能时代开疆拓土的“全副武装”,全面助力产业智能化。

百度飞桨
上一篇:可自动生成代码,5款基于AI的开发工具 下一篇:人工智能在企业中开始变得务实
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

2019深度学习框架排行榜 (从TOP 10到TOP 3)

得益于深度学习框架发展初期各家为更好地推动技术发展而造就的开源生态模式,如今,深度学习框架百花齐放,百家争鸣,快速推动了深度技术在工业界的落地应用。当然,好“药”也得有好“炉”炼,下面我们就介绍下目前主流的深度学习框架的发展状况,各自的特点以及适合的场景等,希望能够帮助大家找到合适的“炉”。

球状闪电 ·  2019-08-02 09:26:24
MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  3天前
AutoML大提速,谷歌开源自动化寻找最优ML模型新平台

为了帮助研究者自动、高效地开发最佳机器学习模型,谷歌开源了一个不针对特定领域的 AutoML 平台。

机器之心 ·  3天前
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  3天前
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  3天前
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  3天前
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  3天前
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  4天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载