谷歌的人怎么看百度深度学习开源平台

Posted 2023-05-09

参考技术A 题主是否想询问：“谷歌怎么看百度深度学习开源平台”？
1、首先打开其谷歌进入。
2、其次找到其学习选项进入。
3、然后看见百度深度学习开源平台即可。

Paddle 教程：人工智能领域深度学习平台

百度开源了其深度学习平台Paddle，引发了挺多人工智能领域开发者的兴趣，包括一些之前一直在Tensorflow和Caffe上练手的开发者。不过鉴于深度学习的开源平台目前并不多，作为开发者也作为热心吃瓜群众的头等大事，就是想知道——这个平台怎么样？别人怎么看这个平台？以及这个平台跟Tensorflow以及Caffe有何区别？

这个平台本身怎么样

Paddle本身在开源前就一直存在，始于2013年的时候，因为百度深度实验室察觉到自己在深度神经网络训练方面，伴随着计算广告、文本、图像、语音等训练数据的快速增长，传统的基于单GPU的训练平台已经无法满足需求，为此在徐伟的带领下，实验室搭建了Paddle(Parallel Asynchronous Distributed Deep Learning)多机并行GPU这个训练平台。

但今天开源的Paddle当然不是3年前的简单模型，3年前Paddle可能还是一个独立的深度学习平台，不能很好地支持把数据从其他平台接入的需求（腾云科技TY300.COM）。但今天的Paddle已经在处处强调，它的特色是让Spark与PADDLE耦合起来，是一个基于Spark的异构分布式深度学习系统。并且经过和百度相关业务的“紧密摩擦”后，它已经迭代了两个版本：从Spark on Paddle架构1.0版，到Spark on PADDLE 架构2.0版。根据平台开源的规则，大概是在百度内部用的非常得心应手，修复了一系列bug后，实验室才终于打算把Spark on PADDLE以及异构计算平台开源（勤快学QKXue.NET）。至于百度为什么要开源，这个理由大家都懂的

深度学习平台目前还有很多bug——吸引更多的开发者来尝试和使用深度学习技术，对提高Paddle的档次是绝对有帮助的。

外界人士对这个平台的评价

知乎上贾清扬的回答，目前是比较正面的评价。

1. 很高质量的GPU代码

2. 非常好的RNN设计

3. 设计很干净，没有太多的abstraction，这一点比TensorFlow好很多。

4. 高速RDMA的部分貌似没有开源（可能是因为RDMA对于cluster design有一定要求）：Paddle/RDMANetwork.h at master · baidu/Paddle · GitHub

5. 设计思路比较像第一代的DL框架，不过考虑到paddle已经有年头了，这样设计还是有历史原因的。

5.1 config是hard-code的protobuf message，这对扩展性可能会有影响。

5.2 可以看到很多有意思的类似历史遗留的设计：采用了STREAM_DEFAULT macro，然后通过TLS的方式定向到非default stream：Paddle/hl_base.h at 4fe7d833cf0dd952bfa8af8d5d7772bbcd552c58 · baidu/Paddle · GitHub （所以Paddle off-the-shelf不支持mac？）

5.3 在梯度计算上采用了传统的粗粒度forward/backward设计（类似Caffe）。可能有人会说“所以paddle没有auto gradient generation”，这是不对的，autograd的存在与否和op的粒度粗细无关。事实上，TensorFlow在意识到细粒度operator超级慢的速度以后，也在逐渐转回粗粒度的operator上。目前只看到这里。总之是一个非常solid的框架，百度的开发功底还是不错的。

估计不少人都读过贾清扬的评价，下面我们贴一个前百度数据工程师，极视角CTO缨宁的评价

看了一下，从设计理念来看和Caffe挺像的，但网络模型没有Caffe那么容易定义。最大贡献是做了分布式，提高了建立模型的速度。再详细的感受就得看代码和上手用了。

另一个跟上面两位观点反差较大的某研究深度学习的学者表示

Tensorflow的架构可以认为是一个升级版的theano, theano比Caffe还要早几年，只是Caffe最早train好了，同时发布了一些成功的卷积神经网络模型因此得到更多关注。Tensorflow和Caffe没啥太大的关系，可能借鉴了Caffe某一些实现技巧，本质上没啥关系。 百度这个很有可能是看到Caffe的成功之后实现的，很大程度模仿的Caffe, 同时试图修改一些东西使其看的和Caffe不一样。

 

我估计使用Caffe的人不会投向它，使用其他的工具的人（tensorflow, keras, theano, torch，mxnet）也不会投向它， 大家说几天然后就……一个月之后看一下它的github的关注量和github上能够找到的别人写的代码量你就知道他是否能有什么浪花(后面可以看看有没有人用他来参加kaggle或者其他比赛或在科研发布代码)。现在基本每个大公司都发布自己的深度学习框架（或者机器学习框架），例如微软， 亚马逊， 雅虎，好像都没有大动静。

这个平台跟Tensorflow以及Caffe有何区别

雷锋网(搜索“雷锋网”公众号关注)申请了Paddle的今天公测版本，目前还在审核中，虽然不能直接下载体验，但和其它两个平台的区别也不是毫无踪迹。根据我们之前对Caffe, Tensorflow的了解，以及今天Paddle放出的数据。

如何评价百度刚刚开源的Paddle平台？

附接口语音

Caffe ——cmd, matlab, python

Tensorflow——python, c++

Paddle ——python, c++

（注：其中python是开发者主要使用的语言， 只有Caffe修改model内部的时候要用的c++。（如有异议，欢迎各开发者进一步交流）

总的来说

1）Caffe可以说是第一个工业级深度学习工具，始于2013年底由UC Berkely的贾杨清编写的具有出色的CNN实现功能的开发语言，在计算机视觉领域Caffe仍然是最流行的工具包。

Caffe的开发语言支持C++和Cuda，速度很快，但是由于一些历史性的遗留架构问题，它的灵活性不够强。而且对递归网络和语言建模的支持很差。Caffe支持所有主流开发系统，上手难度属于中等水平。

2）Tensorflow是Google开源的第二代深度学习技术，是一个理想的RNN API实现，它使用了向量运算的符号图方法，使得开发的速度可以很快。

Tensorflow支持的比较好的系统只有各种Linux系统和OSX，不过其对语言的支持比较全面，包含了Python、C++和Cuda等，开发者文档写得没有Caffe那么全面，所以上手比较难。

3）而此次百度的Paddle，作为基于Spark的异构分布式深度学习系统，通过使用GPU与FPGA异构计算提升每台机器的数据处理能力，暂时获得了业内“相当简洁、设计干净、稳定，速度较快，显存占用较小。”的评价，跟它通过使用GPU与FPGA异构计算提升每台机器的数据处理能力有重要联系。不过具体表现如何，还需等待几天观察一下大家的使用感受。