Paddle 0.13.0 发布，百度开源的深度学习平台

内容简介：Paddle 0.13.0 已发布，PaddlePaddle (PArallel Distributed Deep LEarning 并行分布式深度学习)是百度研发的深度学习平台，具有易用，高效，灵活和可伸缩等特点，为百度内部多项产品提供深度学习算法支持。 支持...

Paddle 0.13.0 已发布，PaddlePaddle (PArallel Distributed Deep LEarning 并行分布式深度学习)是百度研发的深度学习平台，具有易用，高效，灵活和可伸缩等特点，为百度内部多项产品提供深度学习算法支持。

支持的特性

- 易用性：为用户提供了直观且灵活的数据接口和模型定义接口
- 灵活性：PaddlePaddle支持多种神经网络结构和优化算法。简单书写配置文件即可实现复杂模型，如带注意力机制或复杂记忆连接的神经机器翻译模型
- 高效性：为充分发挥多种计算资源的效力，PaddlePaddle在计算、存储、架构、通信等多方面都做了细致优化，性能优异
- 可伸缩性：PaddlePaddle全面支持多核、多GPU、多机环境，优化的通信实现使高吞吐与高性能成为可能，轻松应对大规模数据训练需求

本次更新的内容包括：添加新特性、提升性能以及修复 bug。

主要特性

• 支持异步分布式训练

• 使用 ParallelExecutor 进行分布式训练

• 使用 NCCL2 进行分布式环型培训

• 支持将 checkpoint 保存在训练器以及存储在训练器和参数服务器上

• 参数服务器的优雅关闭

• 发布高级的 inference lib API 和 inference 实现

• 为每个操作分配角色

• 发布 C++ 训练 API 以允许将流体嵌入到其他 C++ 系统中

• 支持 uint8_t 类型的数据文件和数据交换

• C++ 阅读器支持定制数据的增长

• 改进了语音模型的操作器和界面支持

• 新的 random_crop op

• 新的 shape op以获取张量(tensor)的形状

• 新的 resize_bilinear interface.

• 新的 dice_loss layer.

• 增强 reduce_op 以支持在多维度上的削减

性能提升

在 P40 GPU ResNet-50 模型上，单个 GPU 速度提升了 23.8% (105 images/sec to 130 images/sec)。8 个 GPU 的加速比达到 6，32 个 GPU 的加速比达到 17.4。

• Overlap send/recv op with other operators.

• Multi-thread server-side request handling.

• Weight decay and clipping moved from trainer to parameter server for performance and correctness.

• Improved C++ reader.

主要的 bug 修复

• Fix accuracy loss when both ParallelExecutor and memory optimizer are used.

• Fix ParallelExecutor hang when multiple inputs duplicate.

• Fix Program clone cause memory leak.

• Fix GRU unit bias ineffective and wrong activation.

• Fix ROI Pooling GPU computation issues.

• Fix fill_constant_batch_size_like when input is sequence.

• Fix reshape op.

下载地址

• Source code (zip)

• Source code (tar.gz)

【声明】文章转载自：开源中国社区 [http://www.oschina.net]

以上所述就是小编给大家介绍的《Paddle 0.13.0 发布，百度开源的深度学习平台》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

• 开源 | 深度有趣 - 人工智能实战项目合集
• Facebook开源深度学习推荐模型DLRM
• Uber 开源深度学习分布训练库 Petastorm
• 谷歌开源强化学习深度规划网络 PlaNet
• 阿里开源深度神经网络推理引擎 MNN
• 小米崔宝秋：小米 AIoT 深度拥抱开源

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。