1. 首頁 > 生活百科 > 科技 > >

深度學習|百度CTO王海峰：飛槳產業級深度學習平臺大幅降低應用門檻

芯片深度學習百度王海峰

深度學習|百度CTO王海峰：飛槳產業級深度學習平臺大幅降低應用門檻

文章圖片


來源：環球網
近日 ， 在北京信息科學與技術國家研究中心系列交叉論壇（第45期）上 ， 百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰博士作了以“飛槳產業級深度學習開源開發平臺”為主題的報告 。
王海峰在報告中闡釋了深度學習平臺對人工智能技術發展和大規模產業化的意義 ， 分享了飛槳產業級深度學習開源開放平臺最新進展 ， 包括技術與平臺的創新成果、文心產業級知識增強大模型、飛槳生態建設 ， 以及飛槳平臺在各行各業的應用等 ， 并與院士專家共同探討了中國深度學習平臺在產業、科研、教育中的落地實踐 。
王海峰表示 ， 基于飛槳平臺 ， AI開發和應用門檻不斷降低 ， 人人都可以成為智能應用的開發者 。 飛槳平臺及文心大模型正在賦能千行百業 ， 惠及千家萬戶 。
深度學習平臺相當于智能時代的操作系統
他表示 ， 人工智能已經成為新一輪科技革命和產業變革的重要驅動力量 。 人類歷史上過去200多年已經歷三次工業革命 ， 每一次工業革命的核心驅動科技 ， 無論是機械技術、電氣技術還是信息技術 ， 都具有很強的通用性 ， 而且進入工業大生產階段以后 ， 也體現出標準化、自動化和模塊化的工業大生產特征 ， 可以應用于各行各業 ， 為人類帶來了非常大的產業變革 。
以深度學習為關鍵核心技術的新一代人工智能如同前三次工業革命的核心驅動科技一樣 ， 已經具備了非常強的通用性 ， 并呈現出標準化、自動化、模塊化的工業大生產特征 。
深度學習技術研發周期很長 ， 應用落地的流程也非常復雜 ， 例如 ， 在開發階段 ， 模型的實現復雜 ， 要同時兼顧靈活和高效難度很大；模型訓練階段 ， 隨著模型越來越大 ， 效率如何提升、模型結構如何與硬件匹配降低訓練成本等；推理部署階段 ， 應用環境復雜多樣 ， 如何高效適配多端、多平臺、多硬件 ， 如何實現高性能推理 ， 等等 。 深度學習技術的發展和大規模產業化面臨諸多難題 。
典型的深度學習平臺具備基礎的深度學習框架 ， 包括開發、訓練、推理等等 ， 同時也包括各種模型庫和輔助工具 ， 形成一個完整的平臺 ， 能夠有效解決上述問題 。 深度學習平臺下接芯片 ， 上承應用 ， 相當于智能時代的“操作系統” 。
飛槳產業級深度學習開源開放平臺 ， 大幅降低應用門檻
王海峰指出 ， 飛槳平臺是我國首個自主研發、開源開放的產業級深度學習平臺 ， 具備顯著的標準化、自動化和模塊化特征 ， 是人工智能工業大生產的基礎平臺 ， 促進我國人工智能技術發展和大規模產業應用 。
飛槳產業級深度學習開源開放平臺集核心框架、基礎模型庫、開發套件和工具組件于一體 。 核心框架包括既有動態圖 ， 也有靜態圖的便捷開發、具備大規模分布式訓練技術及產業級數據處理等訓練 ， 以及端邊云深度優化的高性能推理；基礎模型庫包含經典的自然語言PaddleNLP、計算機視覺PaddleCV、語音技術PaddleSpeech和推薦技術PaddleRec等 ， 也包含文心大模型；端到端開發套件 ， 如語義理解、圖像分類、目標檢測等開發套件 ， 以及包含強化學習、聯邦學習、圖神經網絡 ， 和很受關注的科學計算、量子機器學習、生物計算的工具組件 ， 同時也有預訓練模型應用工具、全流程開發工具、可視化分析工具以及安全隱私工具、資源管理與調度等等 ， 能夠讓科技工作者和開發者簡潔快速地進行技術創新和應用實踐 。 此外 ， 飛槳也建設了AI Studio學習與實訓社區 ， 支撐AI人才的學習和實踐訓練 。

相關經驗推薦