飞桨重磅升级：支持千万规模分类任务训练，部署能力全面提高

 

2020 年 2 月 27 日飞桨核心框架（如下简称Paddle）发布了1.7版本，这也是Paddle在2020年首个重大更新，下面让咱们来看看具体的更新内容。

Paddle 1.7版本对框架功能层面进行了重点加强，预测部署能力全面提高，分布式训练发布PLSC支持千万规模分类任务，并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善，优化了总体层次结构，增长了动态图模型实现。端到端开发套件和工具组件进一步完善。

 

01 训练框架

 

• 增长自动混合精度训练AMP接口和新控制流接口。

• 优化Tensor使用方式和显存分配策略。

• 新增支持NVIDIA DALI GPU数据预处理库。

• 持续优化基础OP的功能和性能。

• 动态图的功能进一步完善，性能大幅提高，对Data Independent的动态图模型提供转为静态图可预测部署模型的功能。

• 框架调试分析功能和易用性全面提高。

 

02 预测部署

 

• 服务器端预测库的Python API大幅优化，新增R语言、Go语言的预测API，并增长相关的使用方法和示例，强化了量化支持能力。

• Paddle Lite支持无校准数据的训练后量化方法生成的模型，增强对OpenCL的支持，支持昆仑XPU的预测。

• 模型压缩库PaddleSlim重构裁剪、量化、蒸馏、搜索接口，与模型库充分打通，新增大规模可扩展知识蒸馏框架Pantheon。

 

03 分布式训练

 

• 参数服务器模式下统一了Transpiler半异步、全异步和GEO的实现模式，后端实现上统一到Communicator中，前端接口统一到fleet中，经过fleet strategy灵活选择不一样模式。

• 发布大规模分类库PLSC，经过模型并行支持超多类别的分类任务。

 

04 基础模型库

 

• 发布语音合成库Parakeet，包括多个前沿合成算法。

• PaddleCV新增14个图像分类预训练模型，3D和跟踪方向模型持续丰富。

• PaddleNLP的分词和词性标注模型支持jieba分词。

• PaddleRec增长多任务模型MMoE。

• 模型库总体增长了普遍的动态图模型实现。模型库总体层次结构作了调整优化。

 

05 端到端开发套件

 

• PaddleDetection和PaddleSeg新增大量模型实现及预训练模型，提高了典型模型的训练速度和精度，大幅提升模型压缩和部署能力，使用体验获得了全面优化。

• 发布ElasticRec推荐排序系统，经过K8S进行部署，支持流式训练和在线预测服务。

 

06 工具组件

 

• PaddleHub新增52个预训练模型，总数超过100，功能和体验持续优化。

• 多任务学习框架PALM升级内核，开放API调用，支持更多的任务类型。

• 联邦学习PaddleFL新增了公开数据集。

• 深度强化学习框架PARL和飞桨图学习框架PGL也对应版本升级，支持更多功能，开放更多算法和基线。

 

具体更新内容请参考：

https://github.com/PaddlePaddle/FluidDoc/blob/release/1.7/doc/fluid/release_note_cn.md

 

若是您加入官方QQ群，您将赶上大批志同道合的深度学习同窗。官方QQ群：703252161。

若是您想详细了解更多飞桨的相关内容，请参阅如下文档。

官网地址：https://www.paddlepaddle.org.cn/?fr=osc

飞桨项目地址：https://github.com/PaddlePaddle

>> 访问 PaddlePaddle 官网，了解更多相关内容。