這是Han的第57篇原創文章
Hi，這裡是Han。
有讀者說：你太久沒聊技術了。好的，今天我就硬核起來，講講AI技術框架吧。
不過，咱也得解決個實際問題。
我好多哥們兒經常抱怨，總惹妹子生氣，然後就被拉黑，真是崩潰。
今天，咱就來開個腦洞，看看AI可以怎麼拯救你吧！
本周，深度學習框架PaddlePaddle，AI框架國貨之光，上新了！
在2019 Wave Summit，也是中國首個深度學習開發者峰會上，百度對旗下的PaddlePaddle框架進行了全面升級和功能發布。
先說深度學習框架，具體有什麼意義呢？我覺得，對於開發者而言，最核心一點就是：省事。
你不用再重複造輪子了。比如，最基本的，你不用手寫CUDA就可以在GPU上跑，也不用自己手算複雜的梯度了。
而產業發展到今天，框架更像是一個武器，AI工程師們作為戰士，可以隨意使用，而且力量強大，可以幫你完成從底層的硬件計算，到跨服務器並行計算等複雜操作。
說起流行的深度學習框架，因為我在硅谷，自然總是聽到Caffe2, PyTorch 和 TensorFlow這些名字，而PaddlePaddle則是中國目前最成熟甚至是唯一真正意義上的深度學習框架。
PaddlePaddle的定位，一直是服務產業實踐，很多框架功能的研發，都是為了切實的應用而考慮的。
在本次更新後，它的功能可算是涵蓋了一個AI產品，從0到1再到n的各個階段。按照官方說法，是涵蓋了從開發、訓練到部署、預測的每一個環節。
以下，就是PaddlePaddle本次公布的全景圖。
那麼，本次都有哪些更新呢？
我覺得，光說技術就有點就干，為了讓你更能看懂，今天，我就用一個虛擬的案例，來帶你了解一下吧。
01.
女友老生氣？用AI來預測心情呀
相信，很多哥們都有一個困擾：「額，女朋友怎麼又生氣了… 」尤其是，表面看起來明明是生氣了，可是嘴上卻說不生氣。
這就讓你很苦惱。
於是，你有了一個想法，能不能創建一個AI模型，來預測女友心情呢？來看看今天會不會生氣之類的。
這樣一來，你就可以提前做好準備了呀。
沒問題，說干就干。
咱們今天就來看看，PaddlePaddle能不能完成你的所有需求呢。
基本功能而言，PaddlePaddle提供了一套Fluid API，可以讓你非常方便地，從0到1快速搭建起一個AI模型。
這裡只需要三步。
首先，你需要一些數據。
因為是剛開始做嘛，你決定就用少量的幾個特徵，主要就是之前女友的生氣歷史數據。
總結起來，特徵數據可能是下面這樣的。
Fluid當然和其他框架一樣，提供很簡單的API，只要1行，你就能非常方便地，導入自定義數據集。
第二步，你需要構建這個模型的網絡結構。
額，這一步可就有點難度了。
有的讀者可能不知道，AI的模型，說白了，是一個神經網絡的層級結構。搭建起這結構來說，還是有點複雜的，有時候甚至是一個玄學，跟老中醫似的，需要很多經驗的積累。
畢竟，當我第一次聽到 「3*3可以拆成1*3和3*1」的時候，我是這樣的：？？？
這次，PaddlePaddle居然推出了: AutoDL Design，它可以把網絡結構的設計，完全自動化。
在這個系統內，它設計了兩個組件：生成器和評估器。在背後，利用Reinforcement Learning，評估器就可以不斷評估生成器構造出的網絡結構，直到整個系統得到最優解。
細心的你，肯定已經發現了，哦？需要用強化學習啊？那庫支持嗎？
沒錯，所以它需要配合PaddlePaddle的深度強化學習框架PARL一起使用。在本次更新中，也有更多新的算法被加入到PARL中， 比如A2C和IMPALA等等。
好了，藉助AutoDL Design，第二步的模型結構設計也結束啦，那剩下的第三步，就是直接開始訓練數據吧。
在自己的筆記本上跑模型，真實非常簡單，只需要選擇一個運算地點（CPU/GPU），然後只用一行，就可以開始訓練了，像下面這樣。
02.
結果不准？你需要站在巨人的肩膀上
在有了上面那個最原始的模型之後，你試了幾次，發現預測並不準確啊。預測女友會生氣，結果你提心弔膽了一天，結果你發現女友居然到家時超級開心。
於是，經過你的細心觀察，你發現了一些蛛絲馬跡。
比如，她如果穿了某件套裝，並且畫上了超級複雜精緻的妝容，似乎今天的心情就會不錯。可是，如果她沒洗頭，那就很有可能心情不好。
再比如，你們有時候總是微信聊着天，不知道怎麼着，可能你哪句話說錯了，她就發火了。
你恍然大悟，原來女朋友的妝容，還有你和女友的對話，和她發是否發火，有着很深的聯繫。
於是，你決定給自己的模型加入更多的複雜特徵！
可是，如果要識別女友的妝容，就需要機器視覺算法，如果想要分析聊天記錄，那還需要自然語言處理的技術啊！
這也太複雜了吧。
不怕，PaddlePaddle本次升級，全新提供了工業化級別的NLP更多算法模型庫，並首次開源了視頻相關的CV算法模型庫。
NLP方面，PaddlePaddle提供的功能，不僅有基礎的語義匹配、序列標註等基礎能力，它更是提供了各種應用層任務，並且還都提供工業級的高質量。
比如，文本情感分析、對話模型、知識驅動對話統統支持。甚至，還支持機器翻譯，這樣一來，就算你的女友突然跟你說英文，模型都可以完美應對。
視覺方面，PaddlePaddle本次全新發布CV庫，支持種類齊全的視頻識別模型算法，無論是主流實用的序列建模算法，還是端到端的視頻識別模型，都有支持。
這樣來看，只要你把家裡防盜攝像頭的視頻數據導入模型，系統瞬間就可以打上標籤，比如：她今天YSL口紅色號是什麼，她穿的商務套裝還是休閒裝，她出門後3秒的表情是微笑還是皺眉，等等。
你現在可能有個疑問，提供預設的模型雖然好，可是要自己修改和使用，肯定也要費不少勁兒吧。
可不一定哦，PaddlePaddle本次還全新推出了Paddle Hub工具，讓你可以用10行代碼完成對於一個現成模型的遷移學習。
PaddleHub是一個簡單好用的命令行工具，它的背後，提供有大量的工業級模型，而且可能都是萬級別GPU小時得到的高質量模型呢。
站在巨人的肩膀上，你只需要再提供一些自己獨特的訓練數據，進行一些特定情境下的細微調整，就可以得到一個效果很不錯的模型了！這就是所謂的：PaddleHub + Fine-tuning的AI應用開發模式。
03.
兄弟們也想用？App版本發布
在接入了工業級預設模型並進行了微調之後，你模型的準確度已經很好了！幾乎可以準確預測女友的心情變化，簡直拯救你於水火。
這個時候，你身邊的兄弟們也都想使用。於是，你發現了新的機會：誒，做一個App吧！
你決定創業，製作一個移動端App，把AI模型以具體App產品的形式，發布出去。
這個時候，你開始遇到越來越多的實際問題，比如移動端和服務器端怎麼連接，數據怎麼回傳，怎麼保證服務的穩定性，等等。
以及，因為有越來越多哥們的真實數據進入，你需要不斷地訓練新的模型，以適應新的女友的情緒變動。
有些時候，你還需要做模型的AB在線測試，以此挑選比較好的模型，之後還要對新的模型進行熱更新上線。
這真是太複雜了…
別怕，PaddlePaddle本次全新發布了Paddle Serving功能，可以完美解決上述問題。Paddle Serving具有完備的在線服務能力，並且內置成熟的服務模型支持。
再之後，你的用戶越來越多，有的用戶提出需求：希望能在網絡環境不好的情況下，也能使用這款App，畢竟女友的心情隨時可能會變化，而且很多山區的哥們也都很需要這款產品呀。
可是，這款模型越來越大，不太適合直接發布出去了，這可怎麼辦。
對此，PaddlePaddle本次上線了全新模型壓縮工具庫PaddleSlim，並且完整支持剪枝、量化和蒸餾三大壓縮策略。在保證精度幾乎不變的情況下，可以讓模型大小減少70%。
更重要的是，壓縮操作完全自動，你只需要兩行python代碼，就可以自由調用了，非常方便。
04.
好吧，用戶多到撐不住了…
你的App實在是太火了，畢竟是戳中了無數直男們的痛點，每天都有大量的新用戶數據湧入，你的訓練數據每天在持續不斷的擴大。
而且，由於「女孩們的心思你別猜」定律，你的模型要非常快速的更新才行，否則App很可能會失去效果。
在海量數據面前，這簡直就是一個天大的難題。這可怎麼辦？
PaddlePaddle在本次更新中，對此進行了專門的功能升級。
首先，咱們都知道一台機器速度不夠，那咱們就多用幾個唄。這就是所謂的分布式訓練了。
PaddlePaddle本次全面升級了分布式訓練功能，完全支持多機多卡，給出了解決超大規模工業級並行深度學習問題的方案。
另一方面，你發現，用戶提交的特徵越來越多，也越來越詳細，比如：「男生上一次打籃球且輸了3分的時間」，「女生上一次吃火鍋並且吃了凍豆腐」等等。也正是由於太詳細了，很多時候這個特徵只有很少的一部分用戶會有。
於是，你又遇到了一個難題：大規模稀疏特徵。對於此，PaddlePaddle本次全新發布大規模稀疏參數服務器，以此，系統性地解決了相關問題。
最後，推理引擎本身性能的提升，也能提高整體運算的速度。本次PaddlePaddle也同步更新了底層的高速推理引擎，推理速度大幅提升。
終
以上，我就已經把本次PaddlePaddle發布的新功能都介紹給你了。
在大會上，百度深度學習技術平台部總監馬艷軍說，PaddlePaddle出身於產業，超大規模數據處理能力高，場景和實際應用更貼合，更為實用。
這就是所謂的「源於產業實踐的開源深度學習平台」的精神內核吧。
哦，對了。
在故事的最後，你解決了所有這些最困難的問題，你預測女友心情的App終於取得了巨大成功。
你，走上了人生巔峰…
感謝收看本期節目
評論列表
專業的情感服務機構真的不錯
如果發信息，對方就是不回復，還不刪微信怎麼挽回？
如果發信息不回，怎麼辦？