百度马艳军：用慢工做深度学习框架建设

　　“深度学习技术越来越成熟，飞桨这样的开源技术平台越来越好用。技术门槛正在下降，更多开发者、工程师可借由开源框架更简单、便捷、高效地进行研发，这也意味着产业应用的发端。”8月31日，在2019世界人工智能大会(WAIC)上，百度深度学习技术平台部总监马艳军表示。

　　他指出，在智能时代，深度学习框架可谓“智能时代的操作系统”，通过对底层语言和重要算法模型进行封装，开发者无需重复造轮子，可以将更大精力投入研发。“深度学习框架起到了承上启下的作用，下接芯片，上承各种业务模型、行业应用，助力开发者进行组网、训练、预测，极大降低了研发门槛。”马艳军表示。

　　据了解，经过多年的产业实践，百度飞桨已成长为集核心框架、工具组件和服务平台为一体的端到端开源平台，囊括支持面向真实场景应用、达到工业级应用效果的模型，针对大规模数据场景的分布式训练能力、支持多种异构硬件的高速推理引擎等。

　　据此前百度发布的2019年Q2财报显示，2019年第二季度百度飞桨平台下载量环比增加45%。

　　现场，马艳军详细介绍了飞桨的五大核心特性，包括同时支持静态图与动态图，提供应用效果最佳官方模型，支持大规模分布式训练以及端到端部署，并提供系统化的深度学习服务，面向产业化应用提供了强劲助力。

　　首先，飞桨可同时支持静态图和动态图编程，能够兼顾效率和易用性。静态图是先定义网络结构而后运行，可以使运行速度更快，显存占用更低，在工业应用业务部署上线上具有优势。同时，飞桨还提供动态图模式，可以更灵活、方便地进行模型调试，同时还减少了大量用于构建Executor等代码，使得编写、调试网络的过程变得更加便捷。

　　其次，飞桨有大量经过产业验证、在国际竞赛夺冠的冠军模型，并提供官方的支持，能够保证开发者的应用效果是最佳的，真正可靠的，模型涵盖自然语言处理、视觉、推荐等主流应用任务。如前段时间全新升级的持续学习语义理解框架ERNIE2.0同样包括其中，基于此框架的ERNIE2.0预训练模型在共计16个中英文任务上超越了BERT和XLNet，取得了SOTA效果。而这些工业级模型拿来就能用，仅需使用Paddle Hub，1行代码即可完成模型加载，10行代码完成迁移学习。

　　此外，飞桨为用户提供完善的中英双语使用文档，并在开发者社区及官方技术交流群高效响应，同时提供系统的服务体系为企业合作伙伴护航，帮助高校和教育伙伴构建完善体系，为开发者提供不同层次的培养体系。

　　其中，黄埔学院第二期已正式开学，48位入选学员遍布16个行业，30%为CTO及技术总监级别。