重磅|百度PaddlePaddle发布最新API 从三大方面优化了性能

Posted 2021-04-01 全球人工智能

全球人工智能

---

文章参考：Research.baidu   翻译：张妮娜

PaddlePaddle发布新API

3月9日百度PaddlePaddle宣布，新API Alpha版本以及新书《Deep Learning with PaddlePaddle》正式推出，这本书包含一些示例程序的内容。

 

PaddlePaddle的新API，大量减少了程序需要的代码量。如下面的示例所示：

旧API（左侧）和新API（右侧）中的卷积网络程序的效率对比效果图

新版本的API主要做了三大方面的优化改进：

1.一个新概念模型

 

新研究需要一种灵活的方式来描述创新性深度学习算法。例如，GAN模型包含两个网络，网络层共享一些参数。此外，在训练期间，我们需要修正一些参数，同时更新一些其他参数。使用我们的旧API，用户只能访问低级别的API，这些API通常是未经记录的，因此具有一定的灵活性。使用新API，说明性的GAN示例只需要几行代码。

 

2.更高级别的API

 

PaddlePaddle是为支持分布式训练而创建的。旧API公开了许多细节，用户在编写分布式程序之前需要了解这些细节。虽然PaddlePaddle可以运行在C ++代码中预定义的列车循环，但它阻止PaddlePaddle程序在Jupyter Notebook内部运行，这是记录工作的理想解决方案。在新的API中，我们提供更高级别的API，如`train`、test`和`infer`。例如，列车API可以运行本地训练作业，并且将能够在Kubernetes集群上运行分布式作业。

 

3.组合式数据块

 

工业AI应用中的数据加载并非一件微不足道的小事，通常是需要大量的源代码的。我们的新API提供reader、reader-creator和reader-decorator这三种模式的组合式概念，从而使数据操作的重新利用成为可能。例如，我们可以定义一个reader-creator`impressions（）`，它从几行Python代码中读取Kafka的搜索引擎印象日志流。我们还可以定义另一个reader，`click（）`，用于读取点击流。然后，我们可以使用预定义的reader-decorators模式完成缓冲和洗牌。我们甚至可以撰写或加入数据流：

 

如果我们想要含有5000个实例的小子集进行快速实验，可以使用：paddle.reader.firstn（r，5000）。在包装paddle.datasets时，百度提供了预定义reader，下载公共数据集并从本地缓存读取，详情见下面GitHub资源：

 

GitHub资源库：https://github.com/PaddlePaddle/Paddle/tree/develop/python/paddle/v2/dataset

热门文章推荐