乾明 发自 凹非寺
量子位 报导 | 大众号 QbitAI
2项全新才能，4大重磅晋级，35个高精度预练习模型上线，15个工业实践中大规划的运用的视觉算法加持……
这便是最强国产开源深度学习结构——飞桨的最新重要晋级。
在近来飞桨官宣的一系列新模型、新才能中：
不只有对干流模型的才能进步，比方大幅增强YOLOv3——练习提速40%，推理提速21%，精度进步4.3%；
还归入最新的SOTA模型，比方根据COCO数据集的精度最高开源模型CBNet；
并上线了用于3D点云分类、切割和检测的PointNet++和PointRCNN模型，使其成为国内首家支撑3D图画深度学习的开源渠道；
相应地，这些模型的开发、紧缩、布置的“一条龙服务”也晋级到全新版别，比方方针检测模型，运用蒸馏+裁剪模型紧缩计划，根据COCO数据集进行测验，可以加速2.3倍。
更要害的是，像这样的全新发布与严重晋级，飞桨一口气放出了6项，触及15种算法和35个预练习模型，悉数聚集于视觉才能。毫不夸大地说，经此晋级，飞桨在视觉范畴的才能又呈现一次大跨过。
而此刻，间隔飞桨上一次大晋级只过了4个月左右。
如此密布的迭代晋级为哪般？
结合之前工业化大出产、智能化工业晋级，以及新基建蓄力，不难看出飞桨所指，不止于前沿技能打破，更在于工业运用和落地。
并且看过细节后，更让人深觉“拳拳到肉”。在百度自研AI芯片加持下，飞桨的新算法、新模型和新才能，也正经过智能云被输送到各种类型的流水线上。
详细细节，咱们庖丁解牛，一点点看。
从强化到新增，视觉模型库晋级
这次飞桨晋级的中心是视觉才能。最直接的改变，发生在飞桨的根底模型库PaddleCV（智能视觉）中。
首先是PaddleCV才能规划进一步扩展。新版别的PaddleCV中，新增用于3D点云分类、切割和检测的PointNet++和PointRCNN模型。
和此前PaddleCV支撑的数十种模型相同，根据飞桨结构，开发者无需全新开发代码，只需进行少数修正，就能快速在工业范畴完结3Ｄ图画的分类、语义切割和方针检测使命。
并且模型精度也有确保。飞桨结构中，PointNet++在Indoor3D数据上切割精度（MSG）为86.6%；ModelNet40数据集上分类精度（MSG）达90%——直追SOTA。
学习了PointNet++和RCNN的思维的PointRCNN，作为业界抢先的3D方针检测模型，在飞桨上完结，精度相同可以比肩SOTA。他们给出的试验结果是：在无人驾驶威望数据集 KITTI（Car）的Easy数据子集上，精度达86.66%。
其次，PaddleCV进一步将各个范畴新呈现的强壮模型归入进来。
比方在方针检测范畴，新增了根据COCO数据集的精度最高开源模型CBNet、Libra-RCNN模型的（精度进步了2%），以及Open Images V5方针检测竞赛最佳单模型。
飞桨还新增了IoU丢失函数类型Generalized-IoU和Distance-IoU丢失函数，在不添加猜测耗时的情况下，模型精度再进步1%。
在图画语义切割方面，新增了对高分辨率模型HRNet、实时语义切割模型Fast-SCNN的支撑。在方针追寻范畴，新增了SiamFC、ATOM等算法模型。
但飞桨开发团队也并非“只听新人笑”，除了归入更多模型，此前现已支撑的干流模型，也在飞桨的晋级中得到优化。
比方YOLOv3，在这次晋级中大幅增强，精度进步4.3%，练习提速40%，推理提速21%；人脸检测模型BlazeFace，新增了NAS版别，体积紧缩3倍，推理速度提速122%等等。
飞桨泄漏，这次新增工业实践中大规划的运用的算法15个、35个高精度预练习模型之后，PaddleCV库中的高质量算法已到达73个，预练习模型总数到达203个。
并且这些，还仅仅飞桨这次晋级的一部分罢了。
模型开发、紧缩、布置“一条龙服务”增强
想要打造一个可以落地到场景中的AI运用，不只需开发训/练模型，布置到运用场景中也是要害。
而在布置模型的过程中，还要针对布置的设备，调整紧缩练习开发好的模型，使其能习惯场景，且不损失原有的精度。
环绕这方面的需求，飞桨相同强化了才能，最中心的进步在于模型紧缩东西PaddleSlim、移动端布置结构Paddle Lite。
在曩昔一年中，PaddleSlim历经四个版别打磨，现在迎来了1.0版别——包括了深度学习模型紧缩中常用的量化、取舍、蒸馏、模型结构查找、模型硬件查找等办法。
运用到百度人脸SDK中，它可以完结在嵌入式设备上，0.3秒内完结人脸检测、盯梢、活体检测、辨认等全流程操作。
而这不过是它这次晋级后的新特性之一。这样的特性，PaddleSlim1.0一共有10个。
比方，其针对YOLO系列模型开发的蒸馏计划，完结COCO使命的精度进步2%；运用裁剪模型紧缩计划时，它可以大幅下降算力需求。在图画切割模型上，运用PaddleSlim1.0的紧缩布置计划，FlOPS（算力）能削减51%。
并且，PaddleSlim1.0还开放了愈加灵敏的NAS API，预界说了更丰厚的查找战略和查找空间。比照单卡SA查找战略，单卡One-Shot战略完结查找速度加速10倍以上等等。
PaddleSlim的这些特性，与最新版别的Paddle Lite结合，也进一步进步了飞桨的才能——将功能强壮的深度神经网络布置到移动嵌入式设备端上。
此外，飞桨还新推出了大规划分布式练习东西PLSC，具有了千万规划分类的才能。据悉，PLSC能主动将全衔接层参数切分到多GPU卡，可以将单机8张V100 GPU装备下支撑的最大分类类别数扩展2.52倍。
并且练习精度和功率高：多个数据集上可以获得SOTA的练习精度，一起支撑混合精度练习，单机8张V100 GPU装备下，混合精度练习速度进步42%。
△敞开PLSC混合精度练习办法。
更要害的是易用性。飞桨介绍称，只需求五行代码，在飞桨上就可完结千万类别分类网络的构建和练习，供应大规划分类使命从练习到布置的全流程处理计划。
或许也正是由于易用、不断丰厚的才能，飞桨的生态也正在进一步完善。截止2019年，飞桨的开发者数量现已超越150万，是国内最大的AI开发者生态。
他们在将飞桨带到更多运用场景中的一起，也在为飞桨才能进步供应更多的协助。
飞桨为什么可以完结加速速度进行开展，领衔我国深度学习渠道商场（来自IDC数据）？他们功不可没。
此外，飞桨支撑的硬件，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芯片也现已与百度飞桨深度学习渠道的成功交融。
密布晋级背面，为工业化大出产供应弹药库
模型库益发足够，端到端开发布置一条龙服务再度强化，飞桨的方针变得益发清楚——工业化大出产。
这也是百度AI的方针所向，在曩昔的一年中，李彦宏、王海峰屡次对外清楚：AI技能已确认进入工业大出产阶段，智能云作为载体，可以促进AI落地，加速工业智能化进程。
百度在怎么推动这一战略？不断迎来密布晋级的飞桨，便是他们打造的兵器，在百度自研芯片的支撑下，正经过百度智能云输送到工业出产“前哨”。
最新典范现已呈现。3月15日，百度与微亿智造打造的工业智能质检设备，正式布置上线，两边协作构建完结了一个从智能硬件到算法软件再到算力供应的智能制作处理计划大闭环，完结算力2倍进步。
这背面，不只仅有飞桨深度学习渠道的支撑，还有百度智能云、百度昆仑芯片支撑——这也是我国自研 AI芯片在工业范畴的初次大规划运用。
并且， 不只仅是智能质检等工业方面的落地布置，在这次抗疫中，根据飞桨、智能云、昆仑芯片的百度软硬一体化AI才能，也展示出了才能。
在2月10日的《新闻联播》中，呈现了这样一则事例：
江苏常州的精研科技，凭借百度与微亿智造联合打造的智能主动化监测设备“外表缺点视觉检测设备”，处理了工人无法复工情况下的出产难题，十台无人值守的智能化检测设备24小时作业，比人工检测功率进步近10倍。
近来大环境、大趋势，疫情冲击之下，全球经济全体呈现了不小的负面影响。但危中带机——最大的时机莫过于轰鸣阵阵的新基建。
何为“新基建”？中心包括，便是以新式智能化为方向的根底设施建造。而2月10日的《新闻联播》事例中，百度飞桨充任的，正是新基建需求的东西箱、弹药库。
但是，其间事例仅仅代表性的一例。
就现在而言，抗疫不断收尾的我国大地上，这样待晋级的传统工业、等候智能化革新的场景，以及AI发挥价值的降本增效范畴，还有许多许多……
飞桨一系列晋级，或许仅仅春江水暖，但也或许是趾高气扬多年后恰逢当时。
总归，飞桨的新基建弹药库，现在现已预备好了。假如你是想捉住年代时机的开发者，时机可别错过了。
最终，飞桨PaddleCV这次的晋级概况，传送门如下：https://github.com/PaddlePaddle/models/tree/release/1.7/PaddleCV
