事情是這樣的...

前不久，小夕注意到了一份來自權威評測機構IDC發布的《2020年下半年深度學習平臺市場份額報告》：

▲IDC:2020年中國深度學習平臺市場綜合份額top 5

立刻驚了！印象里百度飛槳三年前還只是一個低調、小而美的深度學習框架，如今咋一躍成為中國市場份額第二的深度學習平臺了呢？？

2019年排在第三：

▲IDC:2019年中國深度學習平臺市場綜合份額top 6

當時的小夕一度覺得前面的Tensorflow和Pytorch兩座大山雖然各有利弊，但也都著實能打，一時半會很難有第三者插足兩者的競爭。

萬萬沒想到的是，僅僅一年的時間，百度飛槳就超越了Facebook成為市場份額第二的深度學習平臺，這簡直比當年Pytorch吞食Tensorflow的市場份額還要瘋狂。

回想一下，Pytorch當年為什么能在短時間內迅速從Tensorflow口中奪食并與之分庭抗禮？

一種流行的說法是“因為Pytorch選對了動態圖，在易用性上強刺了Tensorflow一刀。”

小夕倒覺得這僅僅是表面。聽起來Pytorch的成功有很大運氣成分，但“選對了動態圖”、“API簡潔好用”、“debug真舒服”的背后，圍繞的關鍵詞都是“門檻”，或者往大的方面講，叫“用戶體驗”。

ps: 真的不要以為程序員一個個都是追求“黑框”、“復古”，有受虐傾向的“極客”。在深度學習平臺產品問題上，請把他們定義為“用戶”。

追求極致的用戶體驗和無限下沉的使用門檻，放在任何一個產品里都是不過時的，深度學習平臺也是一樣。

那百度飛槳又是做對了什么？

“多機多卡訓練簡直不要太好用！”
“部署太容易了~”
“能訓超大規模模型。。。”
“超多免費課程、直播、教程、文檔資料...”
“難以想象深度學習可以不寫代碼...”
“從AI想法到實際應用的最快速度，沒有之一”
...

與前面Pytorch一樣，這些表象的背后，依然緊緊圍繞著“門檻下沉”、“用戶體驗”。單獨的每一點都不足以支撐百度飛槳彎道超車，但這些點連成線、鋪成面后，所制造的能量遠遠不低于Pytorch憑借動態圖帶來的用戶體驗革新。

用一句話說，Pytorch和飛槳都革新了用戶體驗，前者靠的是動態圖一針見血，后者則是全產品線圍繞用戶體驗全面革新。

貼一張飛槳的全景圖：

關注小屋的大都是專業的AI開發者，飛槳在大家的印象里就是個深度學習框架。實際上，飛槳如今已經構建起了自己的產品全景圖，相比Pytorch而言，飛槳已經將門檻從專業的AI開發者下沉到了業余從業者、普通的AI愛好者、甚至中小學生群體！

對這些群體而言，即使是動態圖功成名就的Pytorch，對他們來說也用起來太痛苦、門檻太高了。可以說，從pip install pytorch到看得見摸得著的AI應用，也就差了一本高數教材、一門線性代數、一門概率統計、一門數據結構與算法、一門python和一門C++、一門機器學習、一門優化理論、一門深度學習、一個3天入門計算機視覺和72小時入門自然語言處理的培訓班了。

讓飛槳完成這一輪用戶體驗革新的，首先是一個全新蛻變的 high-level 深度學習框架。飛槳框架不僅面向專業開發者，而且還囊括了大眾使用者，這背后離不開其中的high-level設計理念。此外，CV、NLP模型庫，端到端的開發套件，企業版AI開發平臺以及今年5月20號新發布的框架V2.1版“動靜統一”特性，多端多平臺推理部署工具鏈等，均圍繞用戶體驗展開升級，這也成為了飛槳份額在國內一舉超越的關鍵點。

high-level的深度學習框架

實現強化學習？實現多任務學習？實現神經架構搜索？聯邦學習？圖神經網絡？

每一項深度學習前沿、熱門話題若使用深度學習框架的底層算子實現，均有極其龐大的代碼量，且很容易出錯，從頭手擼對絕大多數開發者而言很不現實，只能到處復制粘貼啃開源磨原理。

哪怕是Tensorflow中內置Keras這種操作，也僅僅是將op的操作粒度提升至layer level，對于諸如強化學習這種較為復雜的上層應用，一般不得不去借助第三方high-level框架。

然而，對飛槳用戶來說，哪怕是初級的AI開發者，甚至是業余的AI愛好者，都可以輕松玩遍這些熱門話題！靠的就是一套基于飛槳框架封裝而成的high-level框架，或者說一套工具組件。

比如神經架構搜索有AutoDL、強化學習有PARL、多任務學習有PALM、聯邦學習有PaddleFL、圖神經網絡有PGL...甚至還有聽名字就很高大上的量子機器學習框架Paddle Quantum和生物計算框架PaddleHelix！

而在深度學習熱門應用的計算機視覺、NLP等方面更是有官方開源的模型庫和端到端的開發套件，High-level的開發模式體驗過后就再也回不去加減乘除矩陣計算了！

還能更上一層？

除了深度學習框架自身的蛻變外，還有更加high-level、在非專業開發者群體中耳熟能詳的名字——EasyDL，以及全面刷新AI算法工程師開發體驗的 BML 。

EasyDL

EasyDL可以看作是真正零門檻的深度學習high-level開發平臺，無論是傳統行業的企業用戶、非科班出身的AI愛好者乃至無編程經驗的中學生，都能通過EasyDL平臺體驗到將想法變成AI應用的順暢感。

在EasyDL里，只要通過拖拽頁面、鼠標點擊、上傳少量數據，就能快速定制一個深度學習模型。支持圖像分類、物體檢測、圖像分割、文本分類、文本匹配、情感分析、實體抽取、語音識別等各類計算機視覺、自然語言處理和語音處理領域經典任務，如圖所示：

在最繁瑣的數據處理環節，EasyDL內置了智能數據服務EasyData，不僅在業界首個開放軟硬一體端云采集方案，還支持智能標注與多人標注雙管齊下，標注效率提升80%，并且在訓練過程還支持自動數據增強，助力模型效果進一步提升。

而在模型設計、訓練、評估等過程，完全無需代碼，可以直接在網頁中配置模型訓練相關信息：

訓練完成后，更是可以直接將模型“一鍵”部署到云端，獲取云端調用的服務接口，或者打包為適配多種智能設備終端的離線SDK，讓你訓練的模型變成看得見摸得著的實際應用。

詳細流程這里就不展開講啦，感興趣的小伙伴可以參考鏈接進行實踐：
https://ai.baidu.com/ai-doc/EASYDL/3kccwnvy6

在飛槳的全景圖中，與EasyDL類似的high-level的平臺還有 BML全功能AI開發平臺 。

BML

如果說EasyDL是為了把門檻降低到0，那么BML就是把門檻稍作提升的同時，大大提升操作的專業度、靈活性和功能的豐富度。前者可以類比為windows自帶的畫圖工具，而后者則可以認為是Photoshop這種更為專業的開發工具。而無論EasyDL還是BML，都為開發者屏蔽了大量的深度學習框架層的技術細節，使得開發者可以更加專注在AI應用的開發，而不是繁瑣的代碼和底層原理細節里。

如圖所示，BML與云端打通，可以按需使用云端計算資源，體驗多機多卡分布式訓練的快感。而在模型開發最為繁重的數據處理環節，BML同樣內置了EasyData，極大的提升了數據處理與標注的效率，間接提升模型效果。

在最關乎應用效果的模型方面，BML則預置了百度超大規模視覺預訓練模型、NLP預訓練模型ERNIE 和若干幫助模型效果提升的微調技巧，同步支持PaddlePaddle、Tensorflow、Pytorch進行模型自定義。為了幫助專業開發者進行更好的二次開發和專業定制，BML還提供了全面超越原生Jupyter Notebook的云端開發環境。模型訓練ready后，更是支持云服務部署、多平臺多語言的本地服務器部署、設備端SDK部署等，打通模型到應用落地的最后一公里。

當然了，進階一些的開發者也有模型定制化和深入理解的需求，BML中可以直接可視化到模型的網絡結構，看到模型屬性、節點信息、節點輸入輸出等專業信息。可以說將門檻下降到了極致的同時，還保留了專業性和靈活性。

▲BML中，一鍵可視化模型網絡結構

這里給出BML的實踐傳送門，感興趣的小伙伴可以自行體驗：
https://ai.baidu.com/ai-doc/BML/Zkorya4bd

總之，BML與EasyDL一起滿足著不同用戶的需要，讓深度學習不再是科班出身碩士博士的專利，成功打破壁壘，讓深度學習、人工智能真正走進大眾視野。深度學習框架層面，更是打破了專業開發的天花板，使得強化學習、多任務學習乃至前沿的量子計算、生物計算以一種high-level的方式展現給專業的開發者，使得復雜技術的研發也從此變得容易，使得專業開發者也能在不犧牲專業性和開發靈活性的同時，節約大量的開發成本。

在不久前的WAVE SUMMIT2021上，飛槳發布開源框架V2.1，包含了一系列的新發布和升級。

比如說升級了自定義算子功能，封裝更簡潔、訓練和推理全打通、一鍵編譯、安裝并生成算子API，這些都讓開發者能更專注于算子計算的本質，減少編寫自定義算子的精力。分布式訓練方面，發布大規模圖檢索引擎，能支持萬億邊的圖存儲和檢索。模型套件方面，文心ERNIE新開源發布 4大預訓練模型，不光能理解語言，還可以理解圖像，實現統一的跨模態語義理解。另外就是在部署上，提供了全面的推理部署工具鏈，還將百度自身 AI 技術的實踐經驗，做成了一張推理部署導航圖供人參考，涵蓋了 300 多條經過充分驗證的部署通路！實打實的幫開發者打通AI應用的“最后一公里”。

開發上便捷靈活+應用上普適多元，飛槳一步步創造領先同行的深度學習開源能力。飛槳這一波彎道超車，可以說下足了功夫，為下一代深度學習平臺打開了新的窗戶。期待它登頂的那一天！

后臺回復關鍵詞【入群】

加入賣萌屋NLP/IR/Rec與求職討論群

后臺回復關鍵詞【頂會】

獲取ACL、CIKM等各大頂會論文集！

總結

以上是生活随笔為你收集整理的百度飞桨弯道超车了吗？！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。