首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PaddlePaddle 版本1.1.0发布啦!

PaddlePaddle 版本1.1.0发布啦!

作者头像
用户1386409
发布2018-12-11 11:24:12
7700
发布2018-12-11 11:24:12
举报
文章被收录于专栏:PaddlePaddlePaddlePaddle

PaddlePaddle在基础框架、模型建设、分布式训练、预测引擎各个方向上完成多项更新。OP进行了全面完善和优化,模型库新增了自然语言处理、视觉和推荐等领域的大量经典模型,分布式训练能力显著提升,支持千亿规模稀疏参数大规模多机异步训练,预测库易用性和效率提升,移动端预测支持更多模型和更多硬件。详情如下:

基础框架

安装

  • Mac OS X 10.11及以上pip安装支持。
  • Mac OS X 10.12及以上从源码编译安装支持。

编程语言

  • Python3的支持(python3.5版本)。

IO

  • 新增PyReader,支持用户基于python自定义数据读取和预处理的的高性能数据输入。在ResNet50模型上,单机情况下:单卡数据读取速度提升4%、4卡数据读取速度提升38%、8卡数据读取速度提升60%。
  • 实现一个多进程PyReader decorator,配合PyReader可以实现数据读取性能线性提升。

OP优化

  • 优化了split operator,显著提升性能。
  • 扩展multiclass_nms operator,支持多边形的预测框。
  • 通过generatoe_proposals operator的CUDA实现,显著提升性能。
  • 通过affine_channel operator融合batch_norm operator,显著提升性能。
  • 优化depthwise_conv operator的forward和backward,显著提升性能。
  • 优化reduce_mean operator。
  • 优化sum operator,该operator在输入是Tensor的情况下,减少一次zero memory耗时。
  • 优化top_k operator,显著提升性能。
  • 优化sequence_pool operator,显著提升性能。
  • 优化elementwise_add operator ,显著提升性能。
  • while operator 性能优化,相关的模型性能整体提升 30%+。
  • sequence_slice operator的实现,对于一个sequence,可以从指定位置开始,slice出指定长度的subsequence。
  • sequence_unpad operator的实现,支持padding Tensor转LoDTensor。
  • 支持截断正态分布初始化方法(truncated normal initializer)。
  • 二维padding operator的实现,支持一个每个纬度的首尾padding不同的大小。
  • 更多 operator支持

sequence_reverse operator,sequence_enumerate operator, sequence_scatter operator, roi_align operator,affine_channel operator, anchor_generator operator,generate_proposal_labels operator, generate_proposals operator, rpn_target_assign operator、roi透视变换operator, seq_pool operator、seq_expand operator、seq_concat operator、seq_softmax operator、lod_to_array operator、array_to_lod operator。

显存优化

  • 显存优化策略eager deletion支持control flow (e.g. if-else, while)中子block的优化。显著降低包含control flow的模型的显存开销。

模型建设

  • 自然语言处理方向增加开源语义匹配DAM模型和阅读理解BiDAF模型,机器翻译Transformer模型性能优化后训练速度提升超过30%,模型效果和训练速度均达到业界领先水平。
  • 计算机视觉方向增加开源OCR识别Seq2Seq-Attention模型,目标检测Faster-RCNN模型,图像语义分割DeepLab v3+模型,视频分类TSN模型,图像生成CircleGAN/ConditionalGAN/DCGAN模型,以及Deep Metric Learning模型,模型效果和训练速度均达到业界领先水平。
  • 个性化推荐任务系列模型支持:新闻自动标签模型TagSpace,序列语义召回模型GRU4Rec、SequenceSemanticRetrieval,点击率预估模型DeepCTR,多视角兴趣匹配模型multiview-simnet

TagSpace : TagSpace: Semantic Embeddings from Hashtags

SequenceSemanticRetrieval : Multi-Rate Deep Learning for Temporal Recommendation

multiview-simnet : A Multi-View Deep Learning Approach for Cross Domain User Modeling in Recommendation Systems

GRU4Rec : Session-based Recommendations with Recurrent Neural Networks

DeepCTR : DeepFM: A Factorization-Machine based Neural Network for CTR Prediction

  • 公开的Quora数据集上,实现并复现了四个公开匹配算法,具有较好的通用性,可应用于NLP、搜索、推荐等场景。

cdssmNet:Learning semantic representations using convolutional neural networks for web search

decAttNet:Neural paraphrase identification of questions with noisy pretraining

inferSentNet:Supervised learning of universal sentence representations from natural language inference data

SSENet:Shortcut-stacked sentence encoders for multi-domain inference

分布式训练

  • GPU多机多卡同步训练支持参数同步频率可配置化,在V100上支持的batch size提升为v1.0版本的8倍,通过合理的通信间隔配置,使GPU卡数较少的情况下超大Batch同步训练成为可能,并在优化算法方面保证了收敛效果不变。
  • 支持千亿规模稀疏参数服务器,用于大规模多机异步训练,适用于推荐、广告等领域的点击率预估模型。

预测引擎

服务器预测

  • 预测库Windows支持。
  • PaddlePredictor C++ 接口稳定版发布,已经实际支持一部分业务上线,并持续向前兼容。
  • 预发布整合了 TensorRT 子图加速方案。运行时自动切割计算子图调用TensorRT加速。目前Paddle TensorRT 依旧在持续开发中,已支持的模型有 AlexNet, MobileNet, ResNet50, VGG19, ResNet, MobileNet-SSD等。
  • 基于图优化的 CPU 加速 feature,实现了 LSTM,GRU 等一系列 operator 的 fuse,理论上可以大幅提升序列相关模型的性能。
  • 增加了部署时 AVX 和 NOAVX 自动切换的feature,可以针对重点模型实现AVX, AVX2, AVX512自动切换。
  • 提升预测库易用性:只需要 include一个头文件和一个库。
  • ICNet 预测性能大幅提升。

移动端预测

  • 树莓派上MobileNet、GoogleNet、ResNet 34等多个模型支持。
  • Mali GPU和Andreno GPU上MobileNet v1模型支持。
  • ZU5、ZU9等FPGA开发板上ResNet 34和ResNet 50模型支持。
本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-11-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PaddlePaddle 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
NLP 服务
NLP 服务(Natural Language Process,NLP)深度整合了腾讯内部的 NLP 技术,提供多项智能文本处理和文本生成能力,包括词法分析、相似词召回、词相似度、句子相似度、文本润色、句子纠错、文本补全、句子生成等。满足各行业的文本智能需求。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档