12月12日消息，由 学习技术及应用国家工程实验室主办的WAVE SUMMIT+ 2021 学习开发者峰会今日召开。此次峰会，飞桨开源框架v2.2重磅亮相。
百度 学习技术平台部高级总监马艳军与百度AI产品研发部总监忻舟，就飞桨新版 本特性与落地部署应用做了详尽解读。
飞桨新版本将如何在解决AI落地产业方面提供全新解答？一起看看。
践行融合创新，飞桨核心技术持续积累与突破
峰会现场，马艳军表示，飞桨作为中国首个自主研发、功能丰富、开源开放的产业级 学习平台，核心技术持续积累与突破，全新发布的开源框架2.2版本，涉及 学习开发、训练、文本任务极致优化、硬件高效适配、低门槛推理部署等多方面创新性技术，赋能开发者，为产业应用和前沿探索提供技术源动力。
开发方面，飞桨提供丰富的API，支持开发者便捷、高效地开发 学习模型。飞桨框架v2.2的API更加丰富、高效并保持良好的兼容性，有针对性地丰富了100多个API，可支持更广泛模型开发，尤其针对科学计算的模型应用，增加了傅里叶变换、Jacobian/Hessian/VJP/JVP等一系列API，支持量子计算、生命科学、计算流体力学、分子动力学等应用，助力前沿技术探索。
训练方面，全新发布端到端自适应大规模分布式训练技术。针对不同的模型和硬件，抽象成统一的分布式计算视图和资源视图，并通过硬件感知切分和映射功能及端到端的代价模型，搜索出最优的模型切分和硬件组合策略，将模型参数、梯度、优化器状态按照最优策略分配到不同的计算卡上，达到节省存储、负载均衡、提升训练性能的目的。
基于全新的端到端自适应大规模分布式训练技术，百度飞桨在鹏城云脑II集群上采用自适应优化，训练速度达到优化前2.1倍。而近期发布的全球首个知识增强千亿大模型鹏城-百度·文心，也是基于端到端自适应大规模分布式训练技术。
文本任务方面，从文本处理、训练、解码到部署进行全面加速。升级对字符串张量的支持，为开发者提供端到端文本任务开发体验。在预训练模型方面，针对Transformer Encoder的网络结构实现了极致的性能优化，并通过自定义算子功能，融合了NVIDIA FasterTransformer的高性能算子。基于这些优化，框架针对预训练模型形成了训推一体全流程开发体验，让部署代码节省94%。
硬件接入方面，多层次、低成本的硬件适配方案降低了框架与芯片的适配成本。百度自研Kernel Primitive API、NNAdapter、编译器CINN（预发布）三大优化方案，分别对AI算子库、图、编译器后端进行软硬件结合的 融合优化，极大降低了硬件适配成本，赋能硬件生态圈。
持续降低应用门槛，飞桨模型库、企业版全新升级
除了飞桨 学习框架技术的领先发布，峰会还带来了飞桨产业级开源模型库和企业版的全新升级。
马艳军在会上表示，目前，百度飞桨官方支持的产业级开源算法模型超过400个，并发布13个PP系列模型，在精度和性能上达到平衡，将推理部署工具链彻底打通。
飞桨产业应用能力全方位升级的同时，飞桨企业版也在着力提升模型部署能力。会上，忻舟带来了飞桨企业版模型部署升级和飞桨EsayDL桌面版的全新发布。
飞桨企业版包括EasyDL和BML双平台开发模式，致力于提升AI开发效率和资源使用效能，目前已经成为应用和落地最广泛的AI开发平台。此次模型部署的全新升级基于飞桨推理部署工具链，与平台 融合，打造自动高效的企业级部署功能。
首先是全自动模型组合压缩，显著提升推理性能。基于PaddleSlim，根据不同模型和硬件的特点，设计了多条全自动组合压缩流水线，能够自动选择最佳压缩路径。对常见的模型，精度损失控制在1%下，加速比能达到3-5倍。
其次基于飞桨推理引擎，广泛适配推理芯片。新版本采用了飞桨推理引擎，广泛适配推理芯片且性能优异。目前，平台已完成9345种模型芯片的组合的真实测试和调优，可以覆盖95%的需求场景，相比自行适配节省97%的开发时间。
最后是模型服务化与智能边缘控制台，大幅提高部署效率。尤其是全新发布的智能边缘控制台，提供了全可视化的操作界面，使得模型与业务集成的效率显著提升，模型部署时间从天级别缩短至5分钟。忻舟现场演示了如何5分钟让机器狗学会手势识别的新技能。
最后，飞桨EasyDL桌面版全新发布。开发者不必繁琐的配置各种环境，在桌面一键极速安装即可实现本地高效建模，1分钟安装完成，15分钟就可完成模型开发，本地实现数据管理、算力调度、部署应用，让AI“触手可得”。
源于产业实践的百度飞桨产业级 学习开源开放平台，是百度践行融合创新、降低行业发展门槛的AI大生产平台。飞桨的一代一代迭代更新，更是中国人工智能产业的一步一步的向上攀登。AI促动中国产业繁荣，飞桨一直在路上。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
