好用基础上机器学习框架的三大“看点”机器学习框架的核心目的是帮助机器学习工程师落地模型和算法,提高效率,降低成本。因此,机器学习框架必须得从能用,向好用发展,在机器学习螺旋式发展中,造就新的竞争力。中国软件网观察,机器学习框架在发展有三大看点,不容忽视。一是平台与芯片软硬一体融合创新。从平台的角度,机器学习框架中平台与芯片软硬一体融合创新,满足算力、功耗、时延等的多样化需求,让机器学习取得最佳的应用效果。如TensorFlow是可用于运行从云到最微小的微控制器设备的机器学习模型的框架。使用 TensorFlow训练的模型可以针对CPU和GPU进行优化,从x86到ARM64。使用TensorFlow精简版,相同型号可以针对手机、物联网设备和边缘计算环境。这使得它有可能训练模型一次,并将其部署到Android手机和更多的微控制器上。飞桨针对多种芯片并存的环境,研制了异构参数服务器训练技术,突破了超大模型的高效训练难题。据介绍,截至2021年5月,飞桨硬件生态与22家国内外硬件厂商开展适配和联合优化,已完成和正在适配的芯片或IP达到31款。英特尔、英伟达、Arm等国际芯片大厂均主动在开源社区为飞桨贡献代码。飞桨也同飞腾、申威、海光、鲲鹏、龙芯、兆芯、等国产CPU进行深入融合适配,并结合麒麟、统信、普华操作系统,以及百度昆仑、海光DCU、寒武纪、华为昇腾、比特大陆、登临、瑞芯微、高通、苹果、联发科等AI芯片深度融合。让ML框架成为云计算的一部分。目前,大多数的公有云服务商已经将ML作为企业业务增长的主要方向,因此在云上支持开源的机器学习框架,或者支持机器学习框架的商业版,成为一个趋势和方向。TensorFlow是主流公有云管理ML PaaS 的一部分,是公有云平台不可分割的一部分。它为计算机视觉、自然语言处理、个性化和推荐服务等应用提供API。主流机器学习平台作为一种服务(MLaaS)品对TensorFlow有着广泛的支持。亚马逊云服务、Azure ML、谷歌AI平台、IBM沃森机器学习、阿里云等均将在其平台上紧密的集成TensorFlow。 AWS CEO Andy Jassy2019年演讲在AWS re:Invent 2019 上,AWS CEO Andy Jassy声称,在应用最多的机器学习框架方面,85%的TensorFlow用户在云上的工作负载都运行在亚马逊云科技上,而到了2020年,这一数字达到92%。同时,91%的PyTorch在云上的工作负载都跑在亚马逊云科技,在云上面进行机器学习已经是非常成熟的选择。研发集团的支持与降低应用门槛同步同进。目前来看,不管是那种机器学习框架,在依靠开源社区的基础上,依然有强大的机构研发力量的支持。TensorFlow是谷歌的关键项目。谷歌已投入数百万美元用于研发,以推进机器学习,并将这些能力带到TensorFlow。谷歌正在利用TensorFlow为其许多产品和服务,包括谷歌助手、安卓等服务。在今年上半年,Facebook联手微软宣布推出PyTorch企业支持计划,该计划使服务提供商能够为其客户开发和提供定制的企业级支持。Facebook与微软合作建立的新产品是根据PyTorch企业用户在生产中为关键任务应用开发模型的反馈而创建的。另一个机器学习框架Azure ML Studio允许微软Azure的用户创建和训练模型,随后将这些模型转化为能被其他服务使用的API。在Azure中有大量的算法可供使用。飞桨一直致力于降低用户使用的门槛,既有支持动静统一的核心框架,也有产业级模型库、开发套件和工具组件,以及提高企业生产效率的飞桨企业版等,满足不一样行业、不一样阶段、不一样层次开发者的需要。使用门槛的下降,比如会加快人工智能应用的多样化和规模化,加快了产业智能化的进程。