AI Studio 飞桨 零基础入门深度学习笔记4-飞桨开源深度学习平台介绍
- 深度学习框架
-
- 深度学习框架优势
- 深度学习框架设计思路
- 飞桨开源深度学习平台
-
- 飞桨开源深度学习平台全景
- 框架和全流程工具
- 模型资源
- 飞桨技术优势
深度学习框架
近年来深度学习在很多机器学习领域都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域有着广泛应用。面对繁多的应用场景，深度学习框架有助于建模者节省大量而繁琐的外围工作，更聚焦业务场景和模型设计本身。
深度学习框架优势
使用深度学习框架完成模型构建有如下两个优势：
- 节省编写大量底层代码的精力：屏蔽底层实现，用户只需关注模型的逻辑结构。同时，深度学习工具简化了计算，降低了深度学习入门门槛。
- 省去了部署和适配环境的烦恼：具备灵活的移植性，可将代码部署到CPU/GPU/移动端上，选择具有分布式性能的深度学习工具会使模型训练更高效。
深度学习框架设计思路
深度学习框架的本质是框架自动实现建模过程中相对通用的模块，建模者只实现模型个性化的部分，这样可以在“节省投入”和“产出强大”之间达到一个平衡。我们想象一下：假设你是一个深度学习框架的创造者，你期望让框架实现哪些功能呢/p>
相信对神经网络模型有所了解的读者都会得出如 表1 所示的设计思路。在构建模型的过程中，每一步所需要完成的任务均可以拆分成个性化和通用化两个部分。
- 个性化部分：往往是指定模型由哪些逻辑元素组合，由建模者完成。
- 通用部分：聚焦这些元素的算法实现，由深度学习框架完成。
飞桨开源深度学习平台全景
飞桨以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心框架、基础模型库、端到端开发套件、工具组件和服务平台于一体，为用户提供了多样化的配套服务产品，助力深度学习技术的应用落地，如 图2 所示。飞桨支持本地和云端两种开发和部署模式，用户可以根据业务需求灵活选择。
- 开发便捷的深度学习框架：支持声明式、命令式编程，兼具开发灵活、高性能；网络结构自动设计，模型效果超越人类专家。
- 超大规模深度学习模型训练技术：千亿特征、万亿参数、数百节点的开源大规模训练平台；万亿规模参数模型实时更新。
- 多端多平台部署的高性能推理引擎：兼容多种开源框架训练的模型，不同架构的平台设备轻松部署推理速度全面领先。
- 产业级开源模型库：开源100+算法和200+训练模型，包括国际竞赛冠军模型；快速助力产业应用。
支持多端多平台的部署，适配多种类型硬件芯片
来源：mejs
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！
