百度飞桨将机器学习工具带入量子时代

　　5 月 20 日，由深度学习技术及应用国家工程实验室与百度联合主办的 WAVE SUMMIT 2020 深度学习开发者峰会以线上形式召开，并选了多达 35 项全新发布和重磅升级。
　　截至目前，飞桨平台已经有 194 万开发者，服务 8.4 万家企业，创造了 23.3 万模型，据百度介绍飞桨已经是「国内最领先、服务开发者规模最大、功能最完备的开源开放深度学习平台。」
　　百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰在峰会上致辞讲道：
　　时代契机为飞桨的发展提供了最好的机遇，产业智能化浪潮兴起、AI 基础设施建设加快推进，飞桨以更敏捷的脚步，秉承开源开放理念，坚持技术创新，与开发者共同成长和进步，一起发展深度学习和人工智能技术及产业生态，加速产业智能化进程。
　　百度集团副总裁、深度学习技术及应用国家工程实验室副主任吴甜介绍道，飞桨深度学习平台作为百度 AI 大生产平台 的基础底座，以大规模分布式训练、全硬件平台支持、端到端全流程工具以及飞桨 Master 模式，助力企业和开发者加速 AI 生产。无需从头学习难度高、迭代快的前沿科技，避免重复＂造轮子＂，应用 AI 的门槛更低、成本更低、效率更高。
　　吴甜在演讲中发布了最新的飞桨全景图，由飞桨开源深度学习平台和飞桨企业版两大版块构成。
　　飞桨开源深度学习部分，包含核心框架、基础模型库、端到端开发套件与工具组件，持续开源核心能力，为产业、学术、科研创新提供基础底座。同时，随着企业应用的需求越来越丰富和强烈，飞桨升级了产品架构，推出飞桨企业版，助力各个企业进行 AI 创新。
　　飞桨企业版基于飞桨开源深度学习平台，包含零门槛 AI 开发平台 EasyDL 和全功能 AI 开发平台 BML。EasyDL 主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML 是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。
　　百度飞桨总架构师于佃海表示飞桨的使命是「让深度学习的创新与应用更简单」，飞桨核心框架致力于打造成为最灵活易用的产业级深度学习框架。他详细剖析了飞桨框架的设计理念和最新升级。经不断发展，飞桨核心框架已具备四大特点：易学易用的前端编程界面，统一高效的内部核心架构，原生完备的分布式训练支持，高性能可拓展的推理引擎。
　　百度深度学习技术平台部高级总监马艳军在峰会上详细介绍了飞桨开源深度学习平台的最新进展。目前飞桨官方模型库新增 39 个算法，算法总数达到 146 个，预训练模型 200 多个，助力开发者进行低代码二次开发。
　　此次全新发布 3 个端到端开发套件：PaddleClas 图像分类、Parakeet 语音合成和 PLSC 海量类别图像分类。全面升级 PaddleDetection 目标检测开发套件的模型数量、性能和产业应用能力。
　　训练方面，新增自动混合精度、重计算机制等底层技术升级，提升训练框架的速度，降低显存占用；扩展了模型并行、弹性训练等大规模分布式训练能力，全新发布 PaddleCloud 云上任务提交工具，让训练更快、更好、更省，满足苛刻的工业级应用需求。
　　部署层面，飞桨全面打通多平台、多场景的部署能力，持续夯实模型压缩 PaddleSlim、原生推理引擎 Paddle Inference、在线部署框架 Paddle Serving、轻量化预测引擎 Paddle Lite 等端到端部署核心能力，全新发布国内首个开源 JavaScript 深度学习前端推理引擎 Paddle.js，用于小程序、网页端部署。
　　此外还有全新发布的 PaddleX 全流程开发工具，后端开源，可快速集成，支持多端部署和模型加密。独具特色的飞桨 Master 模式全面升级，预训练模型更多、迁移学习能力更强。企业开发者可以通过 PaddleHub 和 EasyDL 享用飞桨 Master 模式，仅用少量数据、简单操作、更低成本，实现多场景下的优异模型效果。
　　进入量子时代
　　除了以上前沿的开源工具，飞桨还率先支持了复数神经网络，全面支持跨学科的机器学习研究。段润尧重磅发布量子机器学习开发工具 Paddle Quantum 量桨。飞桨成为国内首个、也是唯一支持量子机器学习的深度学习平台。
　　百度研究院量子计算所所长段润尧表示量桨是是基于百度飞桨研发的量子机器学习工具集。量桨建立起了人工智能与量子计算之间的桥梁，可快速实现量子神经网络的搭建与训练，同时还提供多项前沿量子应用。量子领域的科研人员可以使用量桨进行量子人工智能的研发，为深度学习爱好者提供了一条学习量子计算的捷径。
　　段润尧认为，人工智能和量子计算之间是一种相互纠缠、密不可分的关系。如何建立起量子计算和人工智能之间的桥梁离不开深度学习的参与。
　　一方面，量子计算最主要的目标之一就是借助于量子特性开发高性能的量子机器学习算法，从而加快或拓宽人工智能的应用场景。当然，要使得这些算法发挥作用则需构建量子计算机。
　　另一方面，量子计算的研发尽管取得了巨大的进展，在大规模应用落地之前还有许多非常棘手的科学与工程技术难题有待解决，这除了需要大量优秀的科研人员参与之外，更离不开现有的先进计算技术的支持。而大量使用各种先进的 AI 技术来突破量子计算研发瓶颈一直是极其重要的研究方向。
　　量桨的量子机器学习开发套件包括：量子开发工具集，量子化学库，以及一系列优化工具。与此同时，量桨还提供了量子机器学习、量子化学模拟以及量子组合优化这三大核心量子应用。
　　据介绍，百度在 2018 年 3 月成立了百度量子计算研究所。其核心研发方向聚焦于量子算法、量子人工智能以及量子架构三大方向。
　　飞桨企业版 EasyDL-零门槛 AI 开发平台，由忻舟带来最新发布的业内首个专注于 AI 开发领域的智能数据服务平台 EasyData，以及在预训练模型、自动数据增强与超参搜索，分布式训练加速、端计算模型部署方面的 4 项升级，帮助企业从繁杂的数据准备、环境配置、代码开发和服务部署中脱身，专注于业务与创新。
　　通过一系列的新发布和升级，深度学习在实际业务中落地部署的门槛再次被降低，飞桨的易用性和性能进一步提升。
　　飞桨在社会各领域的应用
　　峰会上，飞桨分享了近一年飞桨在农林、医疗、工业制造、消费类电子、电力能源、交通、环保等领域的十多个最新案例。
　　马艳军在直播中举例讲到，普宙飞行器科技有限公司基于飞桨深度学习技术，专门为森林巡检行业定制开发了一款无人机自主飞行+应用管理平台，可实现大范围森林的自主巡逻、火情监测、非法入侵、森林树木砍伐监测等功能，目前已阻止 10 余起非法砍伐；飞桨携手国家电网和山东信通打造电网智能巡检方案，分析准确率达到 90%，报警响应速度从小时级提升为秒级；OPPO 基于飞桨的大规模分布式训练技术研发的推荐系统，训练速度提升 8 倍，模型扩大 20 倍，效果提升 4%-5%，内存节省 90%，为 OPPO 应用商店业务带来了巨大价值。（创见张超编辑报道）