「」最强国产开源AI框架再进化，密集提升视觉产业实战能力( 二 )

飞桨透露，这次新增产业实践中广泛应用的算法15个、35个高精度预训练模型之后， PaddleCV库中的高质量算法已经达到73个，预训练模型总数达到203个。
而且这些，还只是飞桨这次升级的一部分而已。
模型开发、压缩、部署“一条龙服务”增强
想要打造一个能够落地到场景中的AI应用，不仅要开发训/练模型，部署到应用场景中也是关键。
而在部署模型的过程中，还要针对部署的设备，调整压缩训练开发好的模型，使其能适应场景，且不丧失原有的精度。
围绕这方面的需求，飞桨同样强化了能力，最核心的提升在于模型压缩工具PaddleSlim、移动端部署框架Paddle Lite 。
在过去一年中， PaddleSlim历经四个版本打磨，现在迎来了1.0版本——囊括了深度学习模型压缩中常用的量化、剪裁、蒸馏、模型结构搜索、模型硬件搜索等方法。
应用到百度人脸SDK中，它能够实现在嵌入式设备上， 0.3秒内完成人脸检测、跟踪、活体检测、识别等全流程操作。

本文插图
而这不过是它这次升级后的新特性之一。这样的特性， PaddleSlim1.0一共有10个。
比如，其针对YOLO系列模型开发的蒸馏方案，实现COCO任务的精度提高2%；使用裁剪模型压缩方案时，它能够大幅降低算力需求。在图像分割模型上，应用PaddleSlim1.0的压缩部署方案， FlOPS（算力）能减少51% 。
而且， PaddleSlim1.0还开放了更加灵活的NAS API ，预定义了更丰富的搜索策略和搜索空间。对比单卡SA搜索策略，单卡One-Shot策略实现搜索速度加快10倍以上等等。
PaddleSlim的这些特性，与最新版本的Paddle Lite结合，也进一步提升了飞桨的能力——将功能强大的深度神经网络部署到移动嵌入式设备端上。
此外，飞桨还新推出了大规模分布式训练工具PLSC ，具备了千万规模分类的能力。据悉， PLSC能自动将全连接层参数切分到多GPU卡，可以将单机8张V100 GPU配置下支持的最大分类类别数扩大2.52倍。
而且训练精度和效率高：多个数据集上可以取得SOTA的训练精度，同时支持混合精度训练，单机8张V100 GPU配置下，混合精度训练速度提升42% 。

本文插图
△开启PLSC混合精度训练方法。
更关键的是易用性。飞桨介绍称，只需要五行代码，在飞桨上就可实现千万类别分类网络的构建和训练，提供大规模分类任务从训练到部署的全流程解决方案。
可能也正是因为易用、不断丰富的能力，飞桨的生态也正在进一步完善。截止2019年，飞桨的开发者数量已经超过150万，是国内最大的AI开发者生态。
他们在将飞桨带到更多应用场景中的同时，也在为飞桨能力提升提供更多的帮助。
飞桨为什么能够实现快速发展，领衔中国深度学习平台市场（来自IDC数据）？他们功不可没。
此外，飞桨支持的硬件，尤其是国产芯片，也在进一步增多。据悉，继华为麒麟芯片之后，比特大陆最新算丰系列AI芯片也已经与百度飞桨深度学习平台的成功融合。
密集升级背后，为工业化大生产提供弹药库
模型库愈发充足，端到端开发部署一条龙服务再度强化，飞桨的目标变得愈发清晰——工业化大生产。
这也是百度AI的目标所向，在过去的一年中，李彦宏、王海峰多次对外明晰：AI技术已经进入工业大生产阶段，智能云作为载体，能够促进AI落地，加快产业智能化进程。
百度在如何推进这一战略？不断迎来密集升级的飞桨，就是他们打造的武器，在百度自研芯片的支撑下，正通过百度智能云输送到工业生产“前线” 。