百度发布 Paddle Fluid v1.3 版本，带来多项重要更新

雷锋网 AI 科技评论按： 日前，百度 PaddlePaddle 更新至 Fluid v1.3 版本，一如既往地， Fluid v1.3 版本在基础框架、预测引擎、模型建设、分布式训练各个方向上都实现了多项更新，而其中比较重要的更新包括：

• 统一 Executor 和 ParallelExecutor 接口，用户只需通过 CompiledProgram 将单卡模型转化多卡模型，并利用 Executor 进行训练或者预测。

• 正式发布 AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速.

• 模型库新增发布 PaddlePaddle 视频模型库，提供 5 个视频分类经典模型以及适合视频分类任务的通用骨架代码，用户可一键式高效配置模型完成训练和评测。

• 新增支持 NLP 语义表示 BERT 模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升 50%+，提供完整部署示例。

• 发布大规模稀疏参数服务器 Benchmark，CPU 多机异步训练发布显著提升点击率预估任务 IO 吞吐的 built-in reader，多机多卡训练性能多方面提升。

最新版本在基础框架、预测引擎、模型建设、分布式训练上的具体更新情况如下：

基础框架

安装

• 新增 Linux 和 MacOS 下的中文版本辅助安装脚本，提供交互式安装方式，协助用户在复杂环境下快速完成 PaddlePaddle 安装。

• Windows 支持优化：新增 cuda8，cudnn7 的 GPU 支持，新增 AVX 指令集、MKLDNN、mnist 数据集支持。修复 Windows 加载 Linux/Mac 下同版本 paddle 训练模型的问题。

增加动态图基础功能

• 动态图 tracer、 autograd、python Layer/PyLayer，动态图支持 MLP、GAN、ptbRNN、Resnet 模型，动态图支持 Optimizer、GPU 训练。

Executor 和 ParallelExecutor 接口优化

• 对 Executor 和 ParallelExecutor 接口进行统一，用户只需通过 CompiledProgram 将单卡模型转化多卡模型，并利用 Executor 进行训练或者预测。

• ParallelExecutor 优化： 对 MultiDevSSAGraphBuilder 进行重构，使得 MultiDevSSAGraphBuilder 更易扩展。去除 ParallelExecutor 中的设备锁，提升 ParallelExecutor 多卡调度性能。

中间表达 IR 和 Pass 方面的优化

• 完善 C++ IR graph 的 python 接口以及 C++ IR pass 的 python 接口。

• 在 framework.py 中新增 IRGraph 类，为在 Python 层编写 IR Pass 做准备。

• 新增支持网络无锁更新的 Pass。

• 新增 QuantizationTransformPass，此为 Quantization Aware Training 量化模式训练前的图修改操作部分。

内存和显存方面的优化

• 新增支持在编译时加入 Jemalloc 作为动态链接库，提升内存管理的性能，降低基础框架内存管理开销。

• 新增 memory optimize，inplace pass, memory pool early deletion 等显存优化策略。

• 新增支持网络无锁更新的 Pass。

• 新增 QuantizationTransformPass，此为 Quantization Aware Training 量化模式训练前的图修改操作部分。

Operator 整体层面的优化

• 每个 op 在执行前只做一次 scope 查询，减少读写锁操作（原来需要做 1~5 次 scope 查询）。

• 新增 Temporary Allocator，减少 op 中的同步操作。

• 新增 py_func operator，支持 python op 接入，用户可以借助 py_func Operator 快速实现所需要的特有操作。

INTEL FP32 计算相关优化

• 优化 density_prior_box operator，单 op 四线程提速 3 倍。

• 优化 Stack operator，单 op 提速 16 倍。

• 开发 Transpose，Concat 和 Conv3d 三个基于 MKLDNN 的 kernel。

• 修复 lrn operator 中 MKLDNN kernel 精度 bug，同时单 op 提速 1.3 倍。

• 修复 MKLDNN 初始化占用 5G 内存的问题，目前初始化占用 500MB。

• 减少从 MKLDNN OP kernel 到非 MKLDNN OP kernel 时不必要的 reorder。

完善 CPU JitKernel

• sequence pooling 的 jitkernel，纯 op 提升 2 倍。

• softmax 的 jitkernel，纯 op 提升 2 倍，同时使得 Bert 模型 CPU 预测提升 26%。

• 常见的基本逻辑：向量的每个元素求平方 kVSquare、矩阵乘法 kMatMul、向量的最大值 kHMax、向量所有元素的和 kHSum。

其他

• Fluid v1.3 版本还重构 DDim，Variable Type 等，能够降低基础框架调度开销。

预测引擎

服务器预测

正式发布 AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速。

预发布 intel CPU 上的 预测 INT8 离线量化方案

• 开发 Conv2D，Pool2D，Quantize，Dequantize 四个基于 MKL-DNN 的 INT8 kernel。

• 预发布 Calibration 的 3 个核心 Python API（paddle.fluid.contrib.Calibrator）。

• 开发 Calibration 工具，保证 FP32 和 INT8 的精度在 ResNet-50 和 MobileNet-V1 在 ImageNet 验证数据集上相差在 1% 内。

• 支持 Intel Xeon CascadeLake Server（VNNI 指令）及 Intel Xeon SkyLake Server，性能提升约为 1.33 倍。

CPU 预测速度提升

• fuse sequence pooling concatop，支持 N (<200) 个 sequence_pooling op concat 起来组成一个新 op，整体使得 seqpool 模型 CPU 预测提升 56%。

• fuse 连续重复的 fc op 为一个大 op，使得 seqpool 模型 CPU 预测速度提升 15%。

• fuse 逻辑为 ((X∗Y).2−(X.2∗Y.2)).∗scalar  的 op 组合 , 使得 seqpool 模型 CPU 预测速度提升 8.2%。

• 针对输入 tensor 元素个数为 1 的情况，优化 compare_op 的 CPU Kernel。

新增 Paddle-TRT 对 Calibration INT8 的支持，GPU 预测速度提升

• 模型 VGG，Resnet50 上预测速度达到了 Paddle-TRT float32 的两倍性能。

• 模型 VGG，Resnet50 在 imagenet 数据集上测试，精度下降 0.3% 以内。

算子融合

• 增加 fc 和 con 相关两个 fuse，作用于 conv_op CUDNN kernel。

• 新增 Conv+Affine Channel 的融合 pass，Faster RCNN 运行的性能提升 26.8%。

• 新增 Transpose+Flatten+Concat 融合 pass，MobilenetSSD 模型性能提升 15%。

• 实现 beam_search operator 的 CUDA Kernel，并且将相应的 top-k、elementwise_add、reshape、log 计算融合到 beam_search operator 中。

功能完善及易用性提升

• 新增 C++ IR graph 的 Python 接口。

• 新增预测库的 Python 接口。

• 服务端预测支持从内存加载模型。

其他

• 删除 legacy V2 代码。从 1.3 版本起，不再支持 V1&V2 老版本功能。

• 修复 Paddle-TRT elementwise-mul 模型运行出现问题的 bug。

• 修复 Paddle-TRT trt_engine stream 多个连续输入情况下模型输出结果异常的 bug。

移动端预测

效率优化，常见模型预测速度提升

• int8 预测支持 dequantize 和其他 op（batch normalization/relu/elementwise add）进行自动 kernel 融合。

• transpose2 operator 对于 shuffle channel 操作进行优化。

• gru operator 使用 neon 指令进行优化，并针对 batch size 为 1 时进行优化。

• 优化和实现 pooling，支持任意的 padding。

• 优化和实现 batch normalization、softmax、elementwise add。

新增支持多个输入和多个输出的模型预测

新增实现 prelu6 operator、cast operator、top_k operator

修复 int8 offline 量化溢出结果不对的问题

修复 winograd 实现在输入 feature map 的 height 和 width 不相等时结果可能为 0 的 bug

模型建设

PaddleCV 智能视觉

• 新增发布 PaddlePaddle 视频模型库，包括五个视频分类模型：Attention Cluster、NeXtVLAD、LSTM,、stNet、TSN。提供适合视频分类任务的通用骨架代码，包括数据读取和预处理、训练和预测、网络模型以及指标计算等多个模块。用户根据需要添加自己的网络模型，直接复用其他模块的代码，快速部署模型。

• 新增支持目标检测 Mask R-CNN 模型，效果与主流实现打平。

• 语义分割 DeepLabV3+模型，depthwise_conv op 融合，显存优化，显存占用对比上一版本减少 50%。

PaddleNLP 智能文本处理

• 新增支持 NLP 语义表示 BERT 模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升 50%+，提供完整部署示例。

• 机器翻译 Transformer 模型优化解码计算，decoder 中加入对 encoder output 计算结果的 cache，预测速度提升一倍。

PaddleRec 智能推荐

• Sequence Semantic Retrieval 新增单机多线程、单机多卡运行示例，添加预测功能、数据预处理优化，完善部署示例。

• GRU4Rec 新增负采样功能，使用 bpr loss 和 cross entropy loss 的效果与原作打平。

分布式训练

大规模稀疏参数服务器 Benchmark 发布

• 测试真实业务场景下，特征规模百亿、样本平均特征数 1k 的点击率预估任务，在 batch=512 情况下，100worker 加速比 95.0，吞吐量 1.56M/s。

CPU 多机异步训练

• 发布面向点击率预估任务的 built-in reader，Criteo 数据集下 IO 总吞吐提升 1300%。

GPU 多机多卡水平扩展性能提升

• 新增并行模式：PG（ParallelGraph）、MP（Multi-Process），独立 GPU 卡之间的计算，提升性能同时，不影响模型精度。

• 在 ResNet50 模型，单机 8 卡 V100 下，PG, MP 模式提升训练性能 30% 以上；4 机 32 卡，PG 模式提速 46%，MP 模式提速 60%。

• 在 BERT 模型，8 卡 V100 下，PG, MP 模式提升训练性能 26%。

• Multi-Process 模式相比 Parallel-Graph 模式对 Reader 速度敏感度不高。

GPU 多机多卡垂直扩展性能提升

• 新增功能：fp16 和混合精度训练

• Fp16 单机单卡加速情况：ResNet50 提速约 87%，BERT 提速约 70%。

• BERT 同时开启 PG 和混合精度，单机 8 卡下单位时间吞吐提升 120%。

• ResNet50 同时开启混合精度训练和 MP 模式，在 V100 单机 8 卡、4 机 32 卡下，单位时间吞吐提升 100%。

典型模型收敛速度优化

• 新增功能：动态 Batch Size，动态 Image Resize 方法。

• Resnet50 on Imagenet 数据集：训练收敛轮数下降为标准训练方法的 1/3 左右。

VisualDL

• VisualDL graph 支持 Paddle fluid 保存的模型可视化展示。

安装参考网址 ： http://paddlepaddle.org/documentation/docs/zh/1.3/beginners_guide/install/index_cn.html

PaddlePaddle  Fluid v1.3 版本项目开源地址： https://github.com/PaddlePaddle/Paddle/blob/develop/README.md 雷锋网雷锋网 (公众号：雷锋网)

雷锋网原创文章，未经授权禁止转载。详情见 转载须知 。