精品国产亚洲一区二区三区|亚洲国产精彩中文乱码AV|久久久久亚洲AV综合波多野结衣|漂亮少妇各种调教玩弄在线

<blockquote id="ixlwe"><option id="ixlwe"></option></blockquote>
  • <span id="ixlwe"></span>

  • <abbr id="ixlwe"></abbr>

    BAT在下一盤大棋?深度盤點(diǎn)國內(nèi)四大機(jī)器學(xué)習(xí)開源平臺

    2015-2016的機(jī)器學(xué)習(xí)平臺開源大潮中,美國是當(dāng)之無愧的引領(lǐng)者:無論是谷歌、亞馬遜、微軟、IBM等互聯(lián)網(wǎng)巨頭,還是美國各大科研院所,為開源世界貢獻(xiàn)了品類繁多的機(jī)器學(xué)習(xí)工具。這其中不乏華人的身影,比如開發(fā)出Caffe的賈楊清。

    但在大陸這邊,無論是BAT還是學(xué)界,在開源機(jī)器學(xué)習(xí)項(xiàng)目上始終慢了一拍,令人十分遺憾。這與我國世界最大AI研究者社區(qū)、占據(jù)AI科研領(lǐng)域半壁江山的江湖地位*頗為不符。讓人欣喜的是,2016下半年,百度和騰訊先后發(fā)布了它們的開源平臺戰(zhàn)略。雖然姍姍來遲,但作為下半場入場的選手,它們的開源平臺各自有什么意義?本文中,作為機(jī)器學(xué)習(xí)開源項(xiàng)目盤點(diǎn)的第三彈,我們將與你一起看看包括百度騰訊平臺在內(nèi)的國內(nèi)四大開源項(xiàng)目。

    注:據(jù)創(chuàng)新工場人工智能工程院王詠剛副院長統(tǒng)計(jì),我國AI發(fā)文數(shù)與引用文章數(shù)居世界第一,占世界總數(shù)一半以上。

    1. 百度:希望獲得開發(fā)者青睞的 “PaddlePaddle”

    2016年9月1日的百度世界大會上,百度首席科學(xué)家吳恩達(dá)宣布,該公司開發(fā)的異構(gòu)分布式深度學(xué)習(xí)系統(tǒng)PaddlePaddle將對外開放。這標(biāo)志著國內(nèi)第一個(gè)機(jī)器學(xué)習(xí)開源平臺的誕生。

    其實(shí),PaddlePaddle 的開發(fā)與應(yīng)用已經(jīng)有段時(shí)日:它源自于2013年百度深度學(xué)習(xí)實(shí)驗(yàn)室創(chuàng)建的 “Paddle”。當(dāng)時(shí)的深度學(xué)習(xí)框架大多只支持單GPU 運(yùn)算,對于百度這樣需要對大規(guī)模數(shù)據(jù)進(jìn)行處理的機(jī)構(gòu),這顯然遠(yuǎn)遠(yuǎn)不夠,極大拖慢了研究速度。百度急需一種能夠支持多GPU、多臺機(jī)器并行計(jì)算的深度學(xué)習(xí)平臺。而這就導(dǎo)致了 Paddle 的誕生。自2013年以來,Paddle 一直被百度內(nèi)部的研發(fā)工程師們所使用。

    而 Paddle 的核心創(chuàng)始人,當(dāng)年的百度深度學(xué)習(xí)實(shí)驗(yàn)室研究員徐偉,現(xiàn)在已是 PaddlePaddle 項(xiàng)目的負(fù)責(zé)人。

    徐偉

    對了,從 “Paddle” 到 “PaddlePaddle” 的命名還有一個(gè)小插曲:Paddle 是“Parallel Distributed Deep Learning”的縮寫,意為“并行分布式深度學(xué)習(xí)”。而去年9月發(fā)布時(shí),吳恩達(dá)認(rèn)為 “PaddlePaddle” (英語意為劃船——“讓我們蕩起雙~昂~槳,小船兒推開波浪。。。”)其實(shí)更郎朗上口、更好記,于是就有了這么個(gè)可愛的名字。

    那么,PaddlePaddle 有什么特點(diǎn)?

    支持多種深度學(xué)習(xí)模型 DNN(深度神經(jīng)網(wǎng)絡(luò))、CNN(卷積神經(jīng)網(wǎng)絡(luò))、 RNN(遞歸神經(jīng)網(wǎng)絡(luò)),以及 NTM 這樣的復(fù)雜記憶模型。

    基于 Spark,與它的整合程度很高。

    支持 Python 和 C++ 語言。

    支持分布式計(jì)算。作為它的設(shè)計(jì)初衷,這使得 PaddlePaddle 能在多 GPU,多臺機(jī)器上進(jìn)行并行計(jì)算。

    相比現(xiàn)有深度學(xué)習(xí)框架,PaddlePaddle 對開發(fā)者來說有什么優(yōu)勢?

    首先,是易用性。

    相比偏底層的谷歌 TensorFlow,PaddlePaddle 的特點(diǎn)非常明顯:它能讓開發(fā)者聚焦于構(gòu)建深度學(xué)習(xí)模型的高層部分。項(xiàng)目負(fù)責(zé)人徐偉介紹:

    “在PaddlePaddle的幫助下,深度學(xué)習(xí)模型的設(shè)計(jì)如同編寫偽代碼一樣容易,設(shè)計(jì)師只需關(guān)注模型的高層結(jié)構(gòu),而無需擔(dān)心任何瑣碎的底層問題。未來,程序員可以快速應(yīng)用深度學(xué)習(xí)模型來解決醫(yī)療、金融等實(shí)際問題,讓人工智能發(fā)揮出最大作用。”

    拋開底層編碼,使得 TensorFlow 里需要數(shù)行代碼來實(shí)現(xiàn)的功能,可能在 PaddlePaddle 里只需要一兩行。徐偉表示,用 PaddlePaddle 編寫的機(jī)器翻譯程序只需要“其他”深度學(xué)習(xí)工具四分之一的代碼。這顯然考慮到該領(lǐng)域廣大的初入門新手,為他們降低開發(fā)機(jī)器學(xué)習(xí)模型的門檻。這帶來的直接好處是,開發(fā)者使用 PaddlePaddle 更容易上手。

    其次,是更快的速度。

    如上所說,PaddlePaddle 上的代碼更簡潔,用它來開發(fā)模型顯然能為開發(fā)者省去一些時(shí)間。這使得 PaddlePaddle 很適合于工業(yè)應(yīng)用,尤其是需要快速開發(fā)的場景。

    另外,自誕生之日起,它就專注于充分利用 GPU 集群的性能,為分布式環(huán)境的并行計(jì)算進(jìn)行加速。這使得在 PebblePebble 上,用大規(guī)模數(shù)據(jù)進(jìn)行 AI 訓(xùn)練和推理可能要比 TensorFlow 這樣的平臺要快很多。

    說到這里,業(yè)內(nèi)對 PaddlePaddle 怎么看?

    首先不得不提的是 Caffe,許多資深開發(fā)者認(rèn)為 PaddlePaddle 的設(shè)計(jì)理念與 Caffe 十分相似,懷疑是百度對標(biāo) Caffe 開發(fā)出的替代品。這有點(diǎn)類似于谷歌 TensorFlow 與 Thano 之間的替代關(guān)系。

    知乎上,Caffe 的創(chuàng)始人賈楊清對 PaddlePaddle 評價(jià)道:

    "很高質(zhì)量的GPU代碼"

    "非常好的RNN設(shè)計(jì)"

    "設(shè)計(jì)很干凈,沒有太多的 abstraction,這一點(diǎn)比 TensorFlow 好很多"

    "設(shè)計(jì)思路有點(diǎn)老"

    "整體的設(shè)計(jì)感覺和 Caffe ‘心有靈犀’,同時(shí)解決了Caffe早期設(shè)計(jì)當(dāng)中的一些問題”

    最后,賈表示 PaddlePaddle 的整體架構(gòu)功底很深,是下了功夫的。這方面,倒是贏得了開發(fā)者的普遍認(rèn)同。

    總結(jié)起來,業(yè)內(nèi)對 PaddlePaddle 的總體評價(jià)是“設(shè)計(jì)干凈、簡潔,穩(wěn)定,速度較快,顯存占用較小”。

    但是,具有這些優(yōu)點(diǎn),不保證 PaddlePaddle 就一定能在群雄割據(jù)的機(jī)器學(xué)習(xí)開源世界占有一席之地。有國外開發(fā)者表示, PaddlePaddle 的最大優(yōu)點(diǎn)是快。但是,比 TensorFlow 快的開源框架其實(shí)有很多:比如 MXNet,Nervana System 的 Neon,以及三星的 Veles,它們也都對分布式計(jì)算都很好的支持,但都不如 TensorFlow 普及程度高。這其中有 TensorFlow 龐大用戶基礎(chǔ)的原因,也得益于谷歌自家 AI 系統(tǒng)的加持。

    百度的 AI 產(chǎn)品能夠?qū)ζ占?PaddlePaddle 產(chǎn)生多大的幫助,尚需觀察。我們獲知,它已經(jīng)應(yīng)用于百度旗下的多項(xiàng)業(yè)務(wù)。百度表示:

    “PaddlePaddle 已在百度30多項(xiàng)主要產(chǎn)品和服務(wù)之中發(fā)揮著巨大的作用,如外賣的預(yù)估出餐時(shí)間、預(yù)判網(wǎng)盤故障時(shí)間點(diǎn)、精準(zhǔn)推薦用戶所需信息、海量圖像識別分類、字符識別(OCR)、病毒和垃圾信息檢測、機(jī)器翻譯和自動(dòng)駕駛等領(lǐng)域。”

    最后,我們來看看對于自家推出的 PaddlePaddle,李彥宏怎么說:

    “經(jīng)過了五六年的積累,PaddlePaddle實(shí)際上是百度深度學(xué)習(xí)算法的引擎,把源代碼開放出來,讓同學(xué)們、讓社會上所有的年輕人能夠?qū)W習(xí),在它的基礎(chǔ)上進(jìn)行改進(jìn),我相信他們會發(fā)揮出來他們的創(chuàng)造力,去做到很多我們連想都沒有想過的東西。”

    2. 騰訊:面向企業(yè)的 “Angel”

    2016,鵝廠在 AI 領(lǐng)域展開一系列大動(dòng)作:

    9 月,成立 AI 實(shí)驗(yàn)室。

    11 月,獲得 Sort Benchmark 大賽的冠軍

    12月18日,在騰訊大數(shù)據(jù)技術(shù)峰會暨 KDD China 技術(shù)峰會上對外公開 “Angel” 的存在,并透漏它就是拿下 Sort Benchmark 冠軍背后的天使。

    (即將)在2017 年一季度,開放 Angel 源代碼。

    Angel 將成為 PaddlePaddle 之后、BAT 發(fā)布的第二個(gè)重磅開源平臺。那么,它到底是什么?

    簡單來說,Angel 是面向機(jī)器學(xué)習(xí)的分布式計(jì)算框架,由鵝廠與香港科技大學(xué)、北京大學(xué)聯(lián)合研發(fā)。騰訊表示,它為企業(yè)級大規(guī)模機(jī)器學(xué)習(xí)任務(wù)提供解決方案,可與 Caffe、TensorFlow 和 Torch 等業(yè)界主流深度學(xué)習(xí)框架很好地兼容。但就我們所知,它本身并不算是機(jī)器學(xué)習(xí)框架,而側(cè)重于數(shù)據(jù)運(yùn)算。

    上個(gè)月18日的發(fā)布會上,騰訊首席數(shù)據(jù)專家蔣杰表示:

    “面對騰訊快速增長的數(shù)據(jù)挖掘需求,我們希望開發(fā)一個(gè)面向機(jī)器學(xué)習(xí)的、能應(yīng)對超大規(guī)模數(shù)據(jù)集的、高性能的計(jì)算框架,并且它要對用戶足夠友好,具有很低的使用門檻,就這樣,Angel 平臺應(yīng)運(yùn)而生。”

    這其中的關(guān)鍵詞,一個(gè)是“大”規(guī)模數(shù)據(jù),另一個(gè)是“低”使用門檻。

    “大”方面,企鵝表示 Angel 支持十億級別維度的模型訓(xùn)練:

    “Angel 采用多種業(yè)界最新技術(shù)和騰訊自主研發(fā)技術(shù),包括 SSP(Stale synchronous Parallel)、異步分布式SGD、多線程參數(shù)共享模式HogWild、網(wǎng)絡(luò)帶寬流量調(diào)度算法、計(jì)算和網(wǎng)絡(luò)請求流水化、參數(shù)更新索引和訓(xùn)練數(shù)據(jù)預(yù)處理方案等。這些技術(shù)使 Angel 性能大幅提高,達(dá)到 Spark 的數(shù)倍到數(shù)十倍,能在千萬到十億級的特征維度條件下運(yùn)行。”

    “低”方面,Angel 并沒有采用機(jī)器學(xué)習(xí)領(lǐng)域標(biāo)配的 Python,而使用企業(yè)界程序猿最熟悉的 Java,以及 Scala 。企鵝聲明:“在系統(tǒng)易用性上,Angel 提供豐富的機(jī)器學(xué)習(xí)算法庫及高度抽象的編程接口、數(shù)據(jù)計(jì)算和模型劃分的自動(dòng)方案及參數(shù)自適應(yīng)配置。同時(shí),用戶能像使用 MR、Spark 一樣在 Angel 上編程,我們還建設(shè)了拖拽式的一體化的開發(fā)運(yùn)營門戶,屏蔽底層系統(tǒng)細(xì)節(jié),降低用戶使用門檻。”

    總的來講,Angel 的定位是對標(biāo) Spark 。蔣杰宣稱,它融合了 Spark 和 Petuum 的優(yōu)點(diǎn)。“以前Spark能跑的,現(xiàn)在Angel快幾十倍;以前Spark跑不了的,Angel也能輕松跑出來。”

    其實(shí),Angel 已經(jīng)是鵝廠的第三代大數(shù)據(jù)計(jì)算平臺。

    第一代是基于 Hadoop 的深度定制版本“TDW”,它的重點(diǎn)是“規(guī)模化”(擴(kuò)展集群規(guī)模)。

    第二代集成了Spark 和 Storm,重點(diǎn)是提高速度,“實(shí)時(shí)化”。

    第三代自研平臺 Angel,能處理超大規(guī)模數(shù)據(jù),重點(diǎn)是“智能化”,專門對機(jī)器學(xué)習(xí)進(jìn)行了優(yōu)化。

    這三代平臺的演進(jìn),從使用第三方開源平臺過渡到自主研發(fā),涵蓋了從數(shù)據(jù)分析到數(shù)據(jù)挖掘、從數(shù)據(jù)并行到模型并行的發(fā)展?,F(xiàn)在 Angel 已支持 GPU 運(yùn)算,以及文本、語音、圖像等非結(jié)構(gòu)化數(shù)據(jù)。自今年初在鵝廠內(nèi)部上線以來,Angel 已應(yīng)用于騰訊視頻、騰訊社交廣告及用戶畫像挖掘等精準(zhǔn)推薦業(yè)務(wù)。另外,國內(nèi)互聯(lián)網(wǎng)行業(yè)開口閉口就要打造“平臺”、“生態(tài)”的風(fēng)氣,鵝廠也完美繼承:“Angel 不僅僅是一個(gè)只做并行計(jì)算的平臺,更是一個(gè)生態(tài)”——這種話雖然不耐聽,但騰訊的大數(shù)據(jù)野心可見一斑。

    12 月18 日晚,馬化騰在微信朋友圈寫道:“AI與大數(shù)據(jù)將成為未來各領(lǐng)域的標(biāo)配,期待更多業(yè)界同行一起開源攜手互助。”

    但對于機(jī)器學(xué)習(xí)社區(qū),Angel 開源的意義是否如同鵝廠宣稱的那樣大?

    對此,機(jī)器學(xué)習(xí)界的“網(wǎng)紅”、微軟研究員彭河森說道:

    “對于小一點(diǎn)的公司和組織,Spark 甚至MySQL 都已經(jīng)夠了(為了政治正確我提一下 PostgresQL);而對于大一點(diǎn)真的用得上Angel的企業(yè),如阿里巴巴等,早就自主開發(fā)了自己的大數(shù)據(jù)處理平臺。”

    因此,他總結(jié) Angel 的發(fā)布是一個(gè)“很尷尬的時(shí)間和市場定位”。

    彭河森

    與百度 PaddlePaddle 相比,Angel 有一個(gè)很大的不同:它的服務(wù)對象是有大數(shù)據(jù)處理需求的企業(yè),而不是個(gè)人開發(fā)者??上У氖牵捎?Angel 尚未正式開源,大數(shù)據(jù)、機(jī)器學(xué)習(xí)同行們無法對其進(jìn)行一番評頭論足。目前所有的信息都來自于鵝廠的官方宣傳。關(guān)于 Angel 開放源代碼后能在業(yè)界引發(fā)多大反響,請關(guān)注后續(xù)報(bào)道。

    最后,我們來看看蔣杰對 Angel 開源意義的官方總結(jié):

    “機(jī)器學(xué)習(xí)作為人工智能的一個(gè)重要類別,正處于發(fā)展初期,開源Angel,就是開放騰訊18年來的海量大數(shù)據(jù)處理經(jīng)驗(yàn)和先進(jìn)技術(shù)。我們連接一切連接的資源,激發(fā)更多創(chuàng)意,讓這個(gè)好平臺逐步轉(zhuǎn)化成有價(jià)值的生態(tài)系統(tǒng),讓企業(yè)運(yùn)營更有效、產(chǎn)品更智能、用戶體驗(yàn)更好。”

    3. 阿里巴巴: 猶抱琵牌半遮面的 DTPAI

    但凡說到平臺,就不能不提阿里。

    與百度比起來,阿里的 AI 戰(zhàn)略布局看上去更“務(wù)實(shí)”:主要是依托阿里云計(jì)算、貼近淘寶生態(tài)圈的一系列 AI 工具與服務(wù),比如阿里小蜜。而基礎(chǔ)研究起步較晚,相對百度和鵝廠也更低調(diào)。 2016 年阿里 AI 戰(zhàn)略的大事件是 8 月 9 日的云棲大會,馬云親自站臺發(fā)布了人工智能 ET,而它的前身是阿里“小Ai ”。綜合目前信息,阿里想要把 ET 打造成一個(gè)多用途 AI 平臺:應(yīng)用于語音、圖像識別,城市計(jì)算(交通),企業(yè)云計(jì)算,“新制造”,醫(yī)療健康等等領(lǐng)域,讓人不禁聯(lián)想起 IBM Watson。用阿里的話來說,ET 將成為“全局智能”。

    但是,在開源項(xiàng)目方面,阿里有什么布局(馬云最喜歡用這樣的詞)?

    答案有驚喜也有失望。

    好消息是,阿里早在 2015 年就宣布了數(shù)據(jù)挖據(jù)平臺 DTPAI (全稱:Data technology,the Platform of AI,即數(shù)據(jù)技術(shù)—人工智能平臺)。

    壞消息是,那之后就沒動(dòng)靜了。

    當(dāng)時(shí),也就是 2015 年的八月,阿里宣布將為阿里云客戶提供付費(fèi)數(shù)據(jù)挖掘服務(wù) DTPAI。當(dāng)然,對它的發(fā)布免不了大談特談一通“生態(tài)”、“平臺”——宣稱 DTPAI 是“中國第一個(gè)人工智能平臺”。格調(diào)定得相當(dāng)高。

    它有什么特點(diǎn)?

    首先, DTPAI 將集成阿里巴巴核心算法庫,包括特征工程、大規(guī)模機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等等。其次,與百度、騰訊一樣,阿里也很重視旗下產(chǎn)品的易用性。阿里 ODPS 和 iDST 產(chǎn)品經(jīng)理韋嘯表示,DTPAI 支持鼠標(biāo)拖拽的編程可視化,也支持模型可視化;并且廣泛與MapReduce、Spark、DMLC、R 等開源技術(shù)對接。

    若僅僅如此,一個(gè)阿里云的付費(fèi)數(shù)據(jù)挖據(jù)工具還不會出現(xiàn)在這篇文章中。我們真正感興趣的是:阿里表示 DTPAI “未來會提供通用的深度學(xué)習(xí)框架,它的算法庫將在后期向社會開放”。

    嗯,有關(guān) DTPAI 的信息到此為止。Seriously,2015 年之后它就再也沒消息了。阿里云是耍猴還是在憋大招? 我們只有走著瞧。

    4. 山世光:大陸學(xué)界碩果僅存的 SeetaFace

    盤點(diǎn)了 BAT 的開源平臺規(guī)劃,再來看一個(gè)始于學(xué)界的項(xiàng)目。與國外 AI 學(xué)界百花齊放的現(xiàn)狀不同,大多數(shù)人從未聽說過始于國內(nèi)學(xué)界的機(jī)器學(xué)習(xí)開源項(xiàng)目,這方面幾乎是空白一片——說是“幾乎”,因?yàn)橛兄锌圃河?jì)算所山世光老師帶領(lǐng)開發(fā)的人臉識別引擎 SeetaFace 。

    山老師是我國 AI 界的學(xué)術(shù)大牛之一,2016 年下半年已經(jīng)下海創(chuàng)業(yè),創(chuàng)業(yè)后不久就公開了 SeetaFace。山老師的研究團(tuán)隊(duì)表示,開源 SeetaFace 是因?yàn)?ldquo;該領(lǐng)域迄今尚無一套包括所有技術(shù)模塊的、完全開源的基準(zhǔn)人臉識別系統(tǒng)”。而 SeetaFace 將供學(xué)界和工業(yè)界免費(fèi)使用,有望填補(bǔ)這一空白。

    SeetaFace 基于 C++,不依賴于任何第三方的庫函數(shù)。作為一套全自動(dòng)人臉識別系統(tǒng),它集成了三個(gè)核心模塊,即:人臉檢測模塊(SeetaFace Detection)、面部特征點(diǎn)定位模塊(SeetaFace Alignment)以及人臉特征提取與比對模塊 (SeetaFace Identification)。

    該系統(tǒng)用單個(gè)英特爾 i7 CPU 就可運(yùn)行,成功降低了人臉識別的硬件門檻。它的開源,有望幫助大量有人臉識別任務(wù)需求的公司與實(shí)驗(yàn)室,在它們的產(chǎn)品服務(wù)中接入 SeetaFace,大幅減少開發(fā)成本。

    2015-2016的機(jī)器學(xué)習(xí)平臺開源大潮中,美國是當(dāng)之無愧的引領(lǐng)者:無論是谷歌、亞馬遜、微軟、IBM等互聯(lián)網(wǎng)巨頭,還是美國各大科研院所,為開源世界貢獻(xiàn)了品類繁多的機(jī)器學(xué)習(xí)工具。這其中不乏華人的身影,比如開發(fā)出Caffe的賈楊清。

    但在大陸這邊,無論是BAT還是學(xué)界,在開源機(jī)器學(xué)習(xí)項(xiàng)目上始終慢了一拍,令人十分遺憾。這與我國世界最大AI研究者社區(qū)、占據(jù)AI科研領(lǐng)域半壁江山的江湖地位*頗為不符。讓人欣喜的是,2016下半年,百度和騰訊先后發(fā)布了它們的開源平臺戰(zhàn)略。雖然姍姍來遲,但作為下半場入場的選手,它們的開源平臺各自有什么意義?本文中,作為機(jī)器學(xué)習(xí)開源項(xiàng)目盤點(diǎn)的第三彈,我們將與你一起看看包括百度騰訊平臺在內(nèi)的國內(nèi)四大開源項(xiàng)目。

    注:據(jù)創(chuàng)新工場人工智能工程院王詠剛副院長統(tǒng)計(jì),我國AI發(fā)文數(shù)與引用文章數(shù)居世界第一,占世界總數(shù)一半以上。

    1. 百度:希望獲得開發(fā)者青睞的 “PaddlePaddle”

    2016年9月1日的百度世界大會上,百度首席科學(xué)家吳恩達(dá)宣布,該公司開發(fā)的異構(gòu)分布式深度學(xué)習(xí)系統(tǒng)PaddlePaddle將對外開放。這標(biāo)志著國內(nèi)第一個(gè)機(jī)器學(xué)習(xí)開源平臺的誕生。

    其實(shí),PaddlePaddle 的開發(fā)與應(yīng)用已經(jīng)有段時(shí)日:它源自于2013年百度深度學(xué)習(xí)實(shí)驗(yàn)室創(chuàng)建的 “Paddle”。當(dāng)時(shí)的深度學(xué)習(xí)框架大多只支持單GPU 運(yùn)算,對于百度這樣需要對大規(guī)模數(shù)據(jù)進(jìn)行處理的機(jī)構(gòu),這顯然遠(yuǎn)遠(yuǎn)不夠,極大拖慢了研究速度。百度急需一種能夠支持多GPU、多臺機(jī)器并行計(jì)算的深度學(xué)習(xí)平臺。而這就導(dǎo)致了 Paddle 的誕生。自2013年以來,Paddle 一直被百度內(nèi)部的研發(fā)工程師們所使用。

    而 Paddle 的核心創(chuàng)始人,當(dāng)年的百度深度學(xué)習(xí)實(shí)驗(yàn)室研究員徐偉,現(xiàn)在已是 PaddlePaddle 項(xiàng)目的負(fù)責(zé)人。

    徐偉

    對了,從 “Paddle” 到 “PaddlePaddle” 的命名還有一個(gè)小插曲:Paddle 是“Parallel Distributed Deep Learning”的縮寫,意為“并行分布式深度學(xué)習(xí)”。而去年9月發(fā)布時(shí),吳恩達(dá)認(rèn)為 “PaddlePaddle” (英語意為劃船——“讓我們蕩起雙~昂~槳,小船兒推開波浪。。。”)其實(shí)更郎朗上口、更好記,于是就有了這么個(gè)可愛的名字。

    那么,PaddlePaddle 有什么特點(diǎn)?

    支持多種深度學(xué)習(xí)模型 DNN(深度神經(jīng)網(wǎng)絡(luò))、CNN(卷積神經(jīng)網(wǎng)絡(luò))、 RNN(遞歸神經(jīng)網(wǎng)絡(luò)),以及 NTM 這樣的復(fù)雜記憶模型。

    基于 Spark,與它的整合程度很高。

    支持 Python 和 C++ 語言。

    支持分布式計(jì)算。作為它的設(shè)計(jì)初衷,這使得 PaddlePaddle 能在多 GPU,多臺機(jī)器上進(jìn)行并行計(jì)算。

    相比現(xiàn)有深度學(xué)習(xí)框架,PaddlePaddle 對開發(fā)者來說有什么優(yōu)勢?

    首先,是易用性。

    相比偏底層的谷歌 TensorFlow,PaddlePaddle 的特點(diǎn)非常明顯:它能讓開發(fā)者聚焦于構(gòu)建深度學(xué)習(xí)模型的高層部分。項(xiàng)目負(fù)責(zé)人徐偉介紹:

    “在PaddlePaddle的幫助下,深度學(xué)習(xí)模型的設(shè)計(jì)如同編寫偽代碼一樣容易,設(shè)計(jì)師只需關(guān)注模型的高層結(jié)構(gòu),而無需擔(dān)心任何瑣碎的底層問題。未來,程序員可以快速應(yīng)用深度學(xué)習(xí)模型來解決醫(yī)療、金融等實(shí)際問題,讓人工智能發(fā)揮出最大作用。”

    拋開底層編碼,使得 TensorFlow 里需要數(shù)行代碼來實(shí)現(xiàn)的功能,可能在 PaddlePaddle 里只需要一兩行。徐偉表示,用 PaddlePaddle 編寫的機(jī)器翻譯程序只需要“其他”深度學(xué)習(xí)工具四分之一的代碼。這顯然考慮到該領(lǐng)域廣大的初入門新手,為他們降低開發(fā)機(jī)器學(xué)習(xí)模型的門檻。這帶來的直接好處是,開發(fā)者使用 PaddlePaddle 更容易上手。

    其次,是更快的速度。

    如上所說,PaddlePaddle 上的代碼更簡潔,用它來開發(fā)模型顯然能為開發(fā)者省去一些時(shí)間。這使得 PaddlePaddle 很適合于工業(yè)應(yīng)用,尤其是需要快速開發(fā)的場景。

    另外,自誕生之日起,它就專注于充分利用 GPU 集群的性能,為分布式環(huán)境的并行計(jì)算進(jìn)行加速。這使得在 PebblePebble 上,用大規(guī)模數(shù)據(jù)進(jìn)行 AI 訓(xùn)練和推理可能要比 TensorFlow 這樣的平臺要快很多。

    說到這里,業(yè)內(nèi)對 PaddlePaddle 怎么看?

    首先不得不提的是 Caffe,許多資深開發(fā)者認(rèn)為 PaddlePaddle 的設(shè)計(jì)理念與 Caffe 十分相似,懷疑是百度對標(biāo) Caffe 開發(fā)出的替代品。這有點(diǎn)類似于谷歌 TensorFlow 與 Thano 之間的替代關(guān)系。

    極客網(wǎng)企業(yè)會員

    免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實(shí),并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí),應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí),溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。

    2017-01-06
    BAT在下一盤大棋?深度盤點(diǎn)國內(nèi)四大機(jī)器學(xué)習(xí)開源平臺
    2015-2016的機(jī)器學(xué)習(xí)平臺開源大潮中,美國是當(dāng)之無愧的引領(lǐng)者:無論是谷歌、亞馬遜、微軟、IBM等互聯(lián)網(wǎng)巨頭,還是美國各大科研院所,為開源世界貢獻(xiàn)了品類繁多

    長按掃碼 閱讀全文