旷视即将开源Brain++的深度学习框架【kaiyun·开云，kaiyun·开云(官方)app下载安装ios/安卓通用版/手机版】

近日，旷视科技透露其自律研发并全员用于的AI生产力套件Brain＋＋的核心深度自学框架－－MegEngine，将要于3月25日展开开源，发布会将于当日14：00在线举行。2017年，AlphaGo与柯洁的棋士大战让大众叹为观止，而承托AlphaGo运转的底层技术框架就是谷歌的TensorFlow。知名度也许没谷歌那么广为人知，但只不过旷视的国产深度自学框架MegEngine远早于谷歌TensorFlow的时代，旷视早在2014年就开始研发其深度自学框架MegEngine，过去5年里，这套深度自学框架被旷视全员用于，承托着整个旷视的科研及产品化。

同时在框架的基础之上，旷视研究院还明确提出了“三位一体”概念，将数据和算力平台融合，建构了集“算法、数据和算力”于一体的AI生产力套件Brain＋＋，自动化、规模化、集约化生产算法，在Brain＋＋的驱动下沦为了现实。技术层面旷视的Brain＋＋几乎可以和谷歌的TensorFlow、脸谱的PyTorch相提并论。Brain＋＋为了需要较慢的展开算法涉及实验，在实际的工业场景中落地，就必须一个具备高性能，可适配和能灵活性递归的AI算法平台。

而打造出一个符合当前市场需求的AI算法平台，必须从计算出来性能，平台易用性，符合现实业务场景市场需求等有所不同的方面展开考量。人工智能发展初期阶段，训练一个AI模型，最少必须一两个月，开发者甚至要通过手敲打C＋＋来已完成计算出来过程，而深度自学社区基本上被TensorFlow和PyTorch两大框架独占。算法生产就是对输出数据展开分析和萃取，并输入能预测问题答案模型的过程，如何挣脱繁复陈旧的算法研发流程，取得批量生产算法的能力仍然是旷视所思维的问题。

旷视牵头创始人唐文斌这样讲解Brain＋＋：“为了解决问题这个问题，2014年我们开始研发Brain＋＋，它是一套末端到端的AI算法平台，目标是让研发人员取得从数据到算法产业化的综合技术能力，不必反复建轮子也可以前进AI较慢落地。我们的Brain＋＋还引进了AutoML技术，可以让算法来训练算法，让AI来建构AI。”MegEngine旷视Brain＋＋的架构分成三部分，其中将要开源的深度自学算法研发框架MegEngine是核心模块，其次是获取算力调度反对的深度自学云计算平台MegCompute，以及用作提供数据服务和管理的数据管理平台MegData。MegEngine可实现训练、部署一体化，需要承托大规模视觉方向的算法研发，明确又分成四个层，还包括计算出来引擎、运营时管理、编译器和优化以及编程和回应。

还引进了旷视独家的AutoML技术，只需训练一次就能获得整个模型空间的刻画，可以明显减少人力成本并大幅提高研发效率。MegEngine基于C＋＋研发，用于了目前风行的计算出来图方式，和其他框架有所不同，其用于的是异构架构，方便使用框架展开分布式计算。此外，MegEngine内部的计算出来以算子的形式展开，它反对多种算子节点和变量算子，还包括常用的卷积、仅有相连、ReLU和用户可自定义的算子，甚至可以计算出来二阶梯度，从而展开更加多底层和灵活性的运算。

比起于开源的大部分深度自学框架，MegEngine具备下列优势：运算速度慢：MegEngine动态、静态融合的内存优化机制，因此速度比TensorFlow更慢；内存闲置较少：根据内存用于状况，MegEngine充份优化内存，尤其是亚线性内存优化，可以反对简单的网络结构，自动利用部分校验计算出来削减内存闲置，可约两个数量级，从而反对更加大规模的模型训练；反对多种硬件平台和异构计算：MegEngine反对标准化CPU、GPU、FPGA以及其他移动设备末端硬件，可多卡多机展开训练；训练部署一体化：整个框架既可用作训练又同时反对推理小说，构建模型一次训练，多设备部署，防止简单的切换过程导致的性能上升和精度损失。旷视在2017年夺下3项COCO冠军，2018年夺下4项COCO冠军，以及19年公布的全新的标准化物体检测数据集Objects365。这些成绩之下，Brain＋＋贡献了极大的功劳。

本文来源：kaiyun·开云，kaiyun·开云(官方)app下载安装ios/安卓通用版/手机版-www.cxcock.com