飛槳重磅升級：支援千萬規模分類任務訓練，部署能力全面提升

2020 年 2 月 27 日飛槳核心框架（以下簡稱Paddle）釋出了1。7版本，這也是Paddle在2020年首個重大更新，下面讓我們來看看具體的更新內容。

Paddle 1。7版本對框架功能層面進行了重點增強，預測部署能力全面提升，分散式訓練釋出PLSC支援千萬規模分類任務，並對引數伺服器模式進行了最佳化整合。對編譯選項、編譯依賴以及程式碼庫進行了全面清理最佳化。模型庫持續完善，優化了整體層次結構，增加了動態圖模型實現。端到端開發套件和工具元件進一步完善。

訓練框架

增加自動混合精度訓練AMP介面和新控制流介面。

最佳化Tensor使用方式和視訊記憶體分配策略。

新增支援NVIDIA DALI GPU資料預處理庫。

持續最佳化基礎OP的功能和效能。

動態圖的功能進一步完善，效能大幅提升，對Data Independent的動態圖模型提供轉為靜態圖可預測部署模型的功能。

框架除錯分析功能和易用性全面提升。

預測部署

伺服器端預測庫的Python API大幅最佳化，新增R語言、Go語言的預測API，並增加相關的使用方法和示例，強化了量化支援能力。

Paddle Lite支援無校準資料的訓練後量化方法生成的模型，加強對OpenCL的支援，支援崑崙XPU的預測。

模型壓縮庫PaddleSlim重構裁剪、量化、蒸餾、搜尋介面，與模型庫充分打通，新增大規模可擴充套件知識蒸餾框架Pantheon。

分散式訓練

引數伺服器模式下統一了Transpiler半非同步、全非同步和GEO的實現模式，後端實現上統一到Communicator中，前端介面統一到fleet中，透過fleet strategy靈活選擇不同模式。

釋出大規模分類庫PLSC，透過模型並行支援超多類別的分類任務。

基礎模型庫

釋出語音合成庫Parakeet，包括多個前沿合成演算法。

PaddleCV新增14個影象分類預訓練模型，3D和跟蹤方向模型持續豐富。

PaddleNLP的分詞和詞性標註模型支援jieba分詞。

PaddleRec增加多工模型MMoE。

模型庫整體增加了廣泛的動態圖模型實現。模型庫整體層次結構做了調整最佳化。

端到端開發套件

PaddleDetection和PaddleSeg新增大量模型實現及預訓練模型，提升了典型模型的訓練速度和精度，大幅提高模型壓縮和部署能力，使用體驗得到了全面最佳化。

釋出ElasticRec推薦排序系統，透過K8S進行部署，支援流式訓練和線上預測服務。

工具元件

PaddleHub新增52個預訓練模型，總數超過100，功能和體驗持續最佳化。

多工學習框架PALM升級核心，開放API呼叫，支援更多的任務型別。

聯邦學習PaddleFL新增了公開資料集。

深度強化學習框架PARL和飛槳圖學習框架PGL也對應版本升級，支援更多功能，開放更多演算法和基線。

具體更新內容請參考：

https：//

github。com/PaddlePaddle

/FluidDoc/blob/release/1。7/doc/fluid/release_note_cn。md

如果您加入官方QQ群，您將遇上大批志同道合的深度學習同學。官方QQ群：703252161。

如果您想詳細瞭解更多飛槳的相關內容，請參閱以下文件。

官網地址：

https：//www。

paddlepaddle。org。cn

飛槳專案地址：

https：//

github。com/PaddlePaddle