百度飞桨开源框架v2.2重磅亮相：降门槛 降成本 让AI“触手可得”

12月12日消息，由深度学习技术及应用国家工程实验室主办的WAVE SUMMIT+ 2021深度学习开发者峰会今日召开。此次峰会，飞桨开源框架v2.2重磅亮相。

百度深度学习技术平台部高级总监马艳军与百度AI产品研发部总监忻舟，就飞桨新版 本特性与落地部署应用做了详尽解读。

飞桨新版本将如何在解决AI落地产业方面提供全新解答？一起看看。

践行融合创新，飞桨核心技术持续积累与突破

峰会现场，马艳军表示，飞桨作为中国首个自主研发、功能丰富、开源开放的产业级深度学习平台，核心技术持续积累与突破，全新发布的开源框架2.2版本，涉及深度学习开发、训练、文本任务极致优化、硬件高效适配、低门槛推理部署等多方面创新性技术，赋能开发者，为产业应用和前沿探索提供技术源动力。

开发方面，飞桨提供丰富的API，支持开发者便捷、高效地开发深度学习模型。飞桨框架v2.2的API更加丰富、高效并保持良好的兼容性，有针对性地丰富了100多个API，可支持更广泛模型开发，尤其针对科学计算的模型应用，增加了傅里叶变换、Jacobian/Hessian/VJP/JVP等一系列API，支持量子计算、生命科学、计算流体力学、分子动力学等应用，助力前沿技术探索。

训练方面，全新发布端到端自适应大规模分布式训练技术。针对不同的模型和硬件，抽象成统一的分布式计算视图和资源视图，并通过硬件感知切分和映射功能及端到端的代价模型，搜索出最优的模型切分和硬件组合策略，将模型参数、梯度、优化器状态按照最优策略分配到不同的计算卡上，达到节省存储、负载均衡、提升训练性能的目的。

基于全新的端到端自适应大规模分布式训练技术，百度飞桨在鹏城云脑II集群上采用自适应优化，训练速度达到优化前2.1倍。而近期发布的全球首个知识增强千亿大模型鹏城-百度·文心，也是基于端到端自适应大规模分布式训练技术。

文本任务方面，从文本处理、训练、解码到部署进行全面加速。升级对字符串张量的支持，为开发者提供端到端文本任务开发体验。在预训练模型方面，针对Transformer Encoder的网络结构实现了极致的性能优化，并通过自定义算子功能，融合了NVIDIA FasterTransformer的高性能算子。基于这些优化，框架针对预训练模型形成了训推一体全流程开发体验，让部署代码节省94%。

硬件接入方面，多层次、低成本的硬件适配方案降低了框架与芯片的适配成本。百度自研Kernel Primitive API、NNAdapter、编译器CINN（预发布）三大优化方案，分别对AI算子库、图、编译器后端进行软硬件结合的深度融合优化，极大降低了硬件适配成本，赋能硬件生态圈。