，一个凝聚了477万开发者mdash的深度学习开源开放平台；mdash百度飞桨迎来新一波大更新。
近日，在WAVE SUMMIT 2022深度学习开发者峰会上，百度AI技术生态总经理马公布了飞桨最新的技术、产品和生态进展，包括ldquo5产品方面rdquo和ldquo3个共创领域rdquo的新升级。
马严俊强调，飞桨的使命是ldquo让每个人都可以使用强大的人工智能；。ldquoRdquo意味着不是做浅层的AI，而是深度的技术，同时降低使用门槛，让所有人都可以使用。飞桨的不断升级更新，是通过让技术更强、自动化程度更高、标准化程度更高，进一步降低门槛，最终实现ldquo每个人都可以使用强大的人工智能；。
下面我们来看看这款飞桨的新升级。
首先，飞桨开源框架v2.3版本的发布带来了四大核心升级。
马介绍，从2019 ldquo桨rdquo中文名首次亮相，飞桨框架按照一年两个大版本的节奏不断更新。此次，飞桨开源框架v2.3版本正式发布，进一步提供深度定制开发能力，通过自动化等手段全面提升框架体验。
propeller框架2.3版本在开发、训练、推理部署、云四个方面进行升级。
一、灵活的深度定制开发:自2019年推出动静态统一编程路径以来，本次新版本风信针对高水平开发者的深度定制开发需求，推出了高度可复用的算子库，大大降低了开发成本。典型运营商内核代码量降低到业界领先水平；异构参数服务器架构升级，适应新硬件的代码量从10000行减少到1000行。只有加入图形采样策略，才能实现GPU三级存储的图形检索引擎。
二、自动调优的高性能培训:针对开发者的性能调优难点，推出业内首个全流程性能自动调优方案。发挥软硬件一体化优势，在关键环节自动调优感知硬件特性。开发者可以在不了解硬件特性的情况下，获得相当于专家手动优化水平的性能。
三、自动压缩和高性能推理部:针对模型压缩对训练、推理、硬件特性等方面依赖的复杂性，推出了业内首个自动压缩功能，通过提炼和微调，释放对模型训练代码的依赖，感知硬件延迟，自动选择最优压缩方案。压缩精度与手工方法相当，代码量减少了50%以上。高性能推理引擎实现端到端深度优化，端、边、云平台推理性能全面提升。
第四，云上飞桨:针对多计算力中心数据和计算力共享面临的安全和效率挑战，推出业界首个异构、多云自适应分布式训练架构，支持多计算力中心联合训练，实现计算力共享和知识共享。通过云聚合，充分发挥智能计算网络的整体效率，赋能AI产业的规模化生产和应用；飞桨专属的云上部署工具，只需要两行配置就可以定制云上的开发部署环境。基于多套件多型号配置模板，可快速完成多型号自由组合，实现AI应用的高效落地。
第二，ldquo推送综合导航图rdquo问题
真正用好框架，还是要结合场景，做好与场景的对接，做好真正理解场景的功能。
飞桨ldquo推理部署导航图rdquo升级到ldquo推送综合导航图rdquo。为AI行业应用提供从开发、培训到推理部署的全流程智能导航。
三。飞桨工业开源模型库的升级
这次有500多个工业级开源模型库和工业级开源算法。同时，结合实际工业场景，打造的精度与性能平衡的PP系列特性模型从13个增加到23个。
四。发布工业模型选择工具
如前所述，百度飞桨拥有超过500种工业开源算法。这么多模型，开发者如何指导业务？他们应该用哪种模型和算法来求解？
故飞桨之ldquo工业模型选择工具rdquo应运而生。
据悉，ldquo工业模型选择工具rdquo从飞桨长期的实践经验积累，可以分析用户真实的行业落地需求，为开发者提供全流程选型建议，支持典型实例教程，最终降低AI应用的落地门槛。
5.PaddleScience的桨首秀
此次，继量子机器学习开发工具Paddle Quantum和生物计算平台PaddleHelix发布后，飞桨又发布了面向科学AI领域的全新PaddleScience竞赛桨，赋能更广泛科学领域的基础科学研究，如物理、化学、流体力学等。
据悉，PaddleScience paddle具有四大特点:支持多领域多场景实例、丰富的算法和开发接口、端到端的核心框架功能支持、广泛适应异构硬件。它可以帮助AI与科学计算深度融合，加速前沿技术在行业中的应用。同时，飞桨框架可以适应与超算中心软硬结合的深度，通过PaddleScience提供更通用、更通用的工具。
三阶段共创计划
基于飞桨大航海计划2.0，飞桨发布三大共创计划，推动国内最具实力的AI开发者生态建设。
一是飞桨行业实践范例库的共创计划，联合更多合作伙伴，打造深度学习行业应用标杆，共享生态利益；
二是飞桨AI for Science共创计划，联合产学研合作伙伴，打造AI for Science开源生态，推动科研创新和产业赋能。
第三，飞桨硬件生态共创计划，从共聚、联合研究到共创，与合作伙伴携手合作，软硬创新融合，构建繁荣的硬件生态。
谈及硬件生态，马严俊说，ldquoAI芯片和深度学习框架共同构成了AI时代的基础设施。人工智能技术设施体系中，深度学习框架在ldquo，链接硬件和应用；腰部位置rdquo，影响整个人工智能体系建设和产业竞争的进程乃至结果，并能产生ldquo上游效应rdquo最重要的是。框架适配直接决定了硬件能否最大化发挥其计算性能，屏蔽底层基础不一致带来的高RD成本，从而形成竞争优势。rdquo
马严俊强调:ldquo国内深度学习框架能不能开发出来，国内深度学习框架能不能和芯片一起开发出来，直接关系到中国人工智能产业发展的基础。但是框架和芯片的适配和集成是双向的工作，不是单方面的行为，需要框架和芯片的密切配合。rdquo
目前，飞桨提供硬件接入和适配的统一方案，提供算子开发和映射、子图接入、全图接入、编译器接入的一整套接入方案，可以有效对接不同成熟度的芯片；也是目前行业内接入成本最低的方案。截至目前，飞桨已经适配了30多款芯片，基本覆盖了国内外最主流的芯片。
谈及飞橹的持续升级，马表示，飞橹升级的核心驱动力来自三个方面:技术融合创新、以开发者需求为先的功能体验、与生态的共创共享。
以此次飞桨升级为例，高复用性算子库、自动压缩技术、多云异构训练架构也是不断技术创新的成果；工业模型选择工具是对大多数应用开发者在飞桨社区经常问的问题的回应；集成的培训工具链和硬件统一访问方案由与模型开发者和硬件生态开发者创建和共享的过程驱动。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
