展现五大核心特性 百度飞桨为开发者提供全方位助力
时间：2022-04-14 06:51:01 | 来源：行业动态
时间：2022-04-14 06:51:01 来源：行业动态
广泛的关注与使用，也佐证了飞桨的过硬实力。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。
源于百度搜索、推荐等产品的挑战，飞桨的大规模分布式训练能力始终是其重要亮点。飞桨同时支持稠密参数和稀疏参数场景的超大规模深度学习并行训练，支持千亿规模参数、数百个节点的高效并行训练，也是最早提供如此强大的深度学习并行技术的深度学习平台，高效、稳定、成本低廉。
对于开发者来说，除了模型的训练，还会遇到很多在产品工程化问题。在部署环节，飞桨完整支持多框架、多平台、多操作系统，为用户提供高兼容性、高性能的多端部署能力。近日，飞桨端侧推理引擎也重磅升级为Paddle Lite，拥有更高扩展性和更极致的性能，提供轻量级模型结构自动搜索，而在服务器端也提供全面领先的推理引擎Paddle Serving。
此外，飞桨也是国内唯一一个提供系统化深度学习技术服务支持的深度学习平台。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。
在线咨询
