https://pvcrml.com/
手机站 网站地图 微信:a654321AD QQ:2040768308
女神SEO

百度CTO王海峰:深度学习的核心是深度学习框架

百度首席技术官王海峰于6月28日上午发表演讲。

百度CTO王海峰:深度学习的核心是深度学习框架(图1)

王海峰指出,深度学习得到了广泛的应用。其核心是深度学习框架。可以说,深度学习框架是智能时代的操作系统。它将向下连接芯片。芯片将优化深度学习框架中的这些操作,并向上支持各种应用程序。核心部分包括培训框架和大量数据,与应用程序相关的数据,然后进行培训,训练得到模型。然后预测框架将基于训练有素的模型,将应用与应用相结合,最终实现真正的应用。然后预测框架将基于训练有素的模型,将应用与应用相结合,最终实现真正的应用。除了训练框架和预测框架外,还有相应的辅助工具。

他认为,一旦深度学习应用于旅游、物流、零售、汽车等行业,将带来巨大的商业价值提升。 此外,王海峰还介绍了百度的深度学习平台飞桨,英文名称PaddlePaddle。目前,飞桨官方支持视觉自然语言处理、推荐、语言等70多种主流模型。(雪梅)

以下是王海峰演讲的全文:

今天会议的主题是软件。我将与您分享一个在人工智能时代非常重要的技术软件平台和深度学习平台。百度深度学习平台的中文名称是桨,英文名称是桨PaddlePaddle。

我们知道,在过去的几百年里,人类社会经历了三次工业革命。第一次工业革命给人类带来了机械技术、电气技术和信息技术。每一次工业革命的核心驱动技术都有一个共同的特点,那就是它们相对通用,不仅在某个行业,而且在各行各业。就像我们熟悉的电在我们的生活中无处不在一样。我们很幸运,我们在一个时代,这个时代是第四次工业革命,工业革命的核心驱动技术是人工智能技术,人工智能已经成为新一轮科技革命和产业变革的核心驱动力,人工智能推动我们的时代进入智能时代。

人工智能经历了60多年的发展,应该说经历了三个非常典型的阶段,从人工智能技术的角度来看,早期是人工规则,然后机器学习,近年来促进人工智能广泛应用于各行各业是深度学习,当然,深度学习也是机器学习的一个分支。

刚才说推动工业革命的技术往往是通用的。我们来看几个例子,比如人工智能中一个典型的任务来识别文字。在早期,文本识别更多地使用规则,然后引入一些机器学习技术。当时,文本识别过程非常复杂,比如典型的OCR系统应分为六个步骤,从区域检测、行分割、字分割等方面进行识别。用了深度学习技术以后,缩减为两步,一个检测一个识别,当然依托的是大数据的技术。深度学习技术OCR进一步演变为端到端识别系统,实现多任务联合训练,端到端联合学习,包括特征互用互补。

看看人工智能领域的另一项技术。自然语言处理经历了从人工规则到自动学习再到深度学习的过程。早期的自然语言处理规则往往依赖于专家,特别是语言专家结合各个领域的知识来编写规则。此时,开发成本非常高。而且很难从一个领域迁移到另一个领域,或者从一种语言迁移到另一种语言。后来,在机器学习自然语言处理后,有很多模型。为了使用这些模型,我们需要进行数据选择、培训、模型选择和特征工程。虽然自动化程度要高得多,但它仍然非常不标准化,过程也非常复杂。用了深度学习以后进一步实现了更好的标准化和自动化。既然深度学习已经广泛应用,它的核心是什么?核心是深度学习框架。我们可以说,深度学习框架是智能时代的操作系统。它将向下连接芯片,芯片将优化深度学习框架中的这些操作。向上支持各种应用程序。核心部分包括培训框架、大量数据和与应用程序相关的数据,然后进行培训和获取模型。然后预测框架将基于训练有素的模型,将应用与应用相结合,最终实现真正的应用。

除训练框架和预测框架外,还有相应的辅助工具。比如如何让网络选择更自动化,比如进入门槛更低,辅助工具很多。

这是百度桨深度学习平台,你看到平台底部是核心框架,我刚才说培训框架、预测框架等,但每个部分都有很多事情要做,如大规模分布式培训、工业预处理、安全加密等,同时为每个典型领域提供大量的模型库,如自然语言处理,计算机视觉、语音、推荐等。除了基本的学习框架外,还有深度学习、迁移学习、强化学习和自动化网络设计。除了基本的学习框架外,还有深度学习工具、迁移学习、强化学习和自动化网络设计。从服务平台层面,例如EDL,即使你不懂深度学习技术,你也不知道如何编写代码。使用此平台可以零基础定制、培训和提供服务。

目前,飞桨已正式支持视觉自然语言处理、推荐、语言等70多种主流模型。例如,刚才提到的自然语言处理为工业应用提供了一系列中文LP工具集包括基本网络层和应用层,如中文词法分析、情感分析、语义匹配、对话等。

在这里,我个语义的解释,基于语义的解释可以完成很多分析、理解和处理的任务。你可能听说过Google通过自动学习,我们从数据训练自动学习,但与此同时,人类智能我们都知道,非常重要或知识,所以我们做知识增强语义表达模型,你可以看到,与基本系统相比,性能的各个方面都将大大提高,并得到了广泛的应用。

另一个视频的例子是,视频工具集包括视频的自动分类、视频的语义项量、视频标签集等,也将应用于许多任务,如信息流,包括搜索,包括语义系统。右边是一个视频的例子,你可以看到如何分析视频。 为了充分利用深度学习,一方面,算法应该有先进的算法,另一方面,计算能力的支持也非常重要,所以我们有一系列的分布式计算技术,你可以看到,从单卡到单卡到多卡,整个培训技术将大大提高。为了支持,我们有一个大规模的参数服务器,这也是应用程序的重要组成部分。它可以适应不同的场景,如大规模数据、海量特征和数据自膨胀特征,包括高频模型迭代。 为了自处理工业机数据,我们有一系列技术,右边有一些技术优势,如分布式文件系统,IO直尺、高性能、多生产者、多消费者设计等。 还有一点很重要。为了使其应用更广泛,我们在制作应用程序时,不仅要做好模块之一,还要有端到端的全过程部署方案。

如你所见,我们需要底层硬件的支持才能真正部署到一个应用程序中,无论如何,我们都需要做好整个过程CPU、GPU或移动硬件,相应的推理引擎,然后有各种程序设计语言的支持,相应的工具和提供软硬件集成方案等,形成整个过程的部署方案。 例如,我们使用这样一套设备端部署解决方案来识别害虫。这样的任务涉及到底层平台、工具站、如何培训模型、如何部署模型等。当然,这一系列是基于百度的平台支持。

众所周知,深度学习的核心是神经网络。网络的第一步是什么?第一步是设计网络结构。早年,网络结构设计更依赖于人类专家。依靠他的经验和更多的经验,人们可能会更好地设计网络,以获得更好的结果。但这个过程实际上是一个高度专业和不容易的过程,现在我们可以进行自动网络设计,这是一个自动网络设计的例子,你可以看到左边是专家手工设计的网络,右边是机器自动设计的网络。 基于这套自动设计网络AutoDL,也开源了,也在PaddlePaddle进行了AutoDL一些开源也是模型的开源,效果比人工设计网络更好,相当于自动化程度更高,省时省力,效果更好。

我提到深度学习现在被广泛使用,但不是每个人都完全掌握深度学习技术,所以我们可以提供一个更方便的工具平台,可以让基础不多甚至零基础的人也可以使用,解决自己的问题,我们提供这样一个定制的培训和服务平台,EasyDL,处理学习、部署各种数据,最后提供服务,它不仅可以提供云服务,还可以服务。

这里我不再讲EasyDL背后的各种技术,但让我们来看看曲线。让我们看看基于EasyDL基于模型训练的数量不断增加,已经有3万多个第三方应用模型。EasyDL然后解决自己的任务。

这是另一个例子,农作物,在农业地块识别中,涉及提取相应的数据,然后使用卫星遥感数据进行模型培训,然后集成、部署,最后完成一个,如地块、作物生长、灾害等,可以自动监控农业地块。 刚才我们只提到了两个行业。让我们看看。事实上,百度的飞桨深度学习平台已经应用于许多行业和许多行业。我们还应该看看各行业的发展趋势。当然,这份报告是麦肯锡提供的。我们可以看到,一旦深度学习应用于某个行业,可能会带来改善。如您所见,旅游、物流、零售、汽车等行业可以通过深度学习的应用带来巨大的商业价值。当然,这份报告是麦肯锡提供的。我们可以看到,一旦深度学习应用于某个行业,可能会带来改善。如您所见,旅游、物流、零售、汽车等行业可以通过深度学习的应用带来巨大的商业价值。 今天的报告到此为止。希望我们的飞桨深度学习平台能够促进人工智能的发展,加快产业智能化。


百度CTO王海峰:深度学习的核心是深度学习框架(图2)

我要优化(加QQ客服第一时间和你对接)

已有 1826 企业通过我们找到了合作项目

联系方式

  1. QQ:2040768308
  1. 微信:a6543218AD

友情链接

首页 |网站地图