百度機器學習框架”飛槳”貢獻到啟智平臺
會上，百度何經舟和周波介紹了飛槳兩個項目的相關工作，包括項目發展歷程、核心技術原理、目前開源情況等。期間，黃鐵軍針對相關組件的技術實現與項目介紹人進行了討論，并給出進一步優化建議。最后，經過到會的8位委員評議后進行投票，結果均同意百度貢獻的兩個項目paddle和parl進入啟智平臺的孵化階段，進行迭代開發。并命名為OpenI飛槳機器學習框架，進入啟智社區基礎平臺算法框架層。
同時，劉祥龍向技術委員介紹了深度學習魯棒性評測的必要性及相關研究成果。黃鐵軍針對該項目的開源計劃，與劉祥龍做了進一步溝通。
飛槳的五大優勢
1、同時支持動態圖和靜態圖，兼顧靈活性和高性能
飛槳同時為用戶提供動態圖和靜態圖兩種計算圖。動態圖組網更加靈活、調試網絡便捷，實現AI 想法更快速；靜態圖部署方便、運行速度快，應用落地更高效。
2、源于實際業務淬煉，提供應用效果領先的官方模型
飛槳提供的80+官方模型，全部經過真實應用場景的有效驗證。不僅包含“更懂中文”的NLP 模型，同時開源多個視覺領域國際競賽冠軍算法。
3、源于產業實踐，輸出業界領先的超大規模并行深度學習平臺能力
飛槳同時支持稠密參數和稀疏參數場景的超大規模深度學習并行訓練，支持萬億規模參數、數百個節點的高效并行訓練，提供強大的深度學習并行技術。飛槳提供高性價比的多機CPU參數服務器解決方案，基于真實的推薦場景的數據驗證，可有效地解決超大規模推薦系統、超大規模數據、自膨脹的海量特征及高頻率模型迭代的問題，實現高吞吐量和高加速比。
4、追求極致速度體驗，推理引擎一體化設計實現訓練到多端推理的無縫對接
飛槳完整支持多框架、多硬件和多操作系統，為用戶提供高兼容性、高性能的多端部署能力。依托業界領先的底層加速庫，利用 Paddle Lite和 Paddle Serving 分別實現端側和服務器上的部署。飛槳提供高效的自動化模型壓縮庫 PaddleSlim，實現高精度的模型體積優化，并提供業界領先的輕量級模型結構自動搜索Light-NAS，對比MobileNet v2在ImageNet 1000類分類任務上精度無損情況下FLOPS 減少17%
5、秉承用戶至上理念，提供系統化技術服務與支持
飛槳提供完善的技術支持，滿足不同層次的開發者的應用需求；提供系統化技術服務，致力于為企業合作伙伴保駕護航；提供領先的教育資源，支持高校和教育合作伙伴構建完善的教育體系。
文字 | OpenI秘書處媒體組
排版 | OpenI秘書處媒體組