PaddlePaddle重磅升级，Paddle Fluid v1.4版本发布

继上个版本发布后，PaddlePaddle添加了很多新的特性和工具组件，目前已发展为集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台。

Paddle Fluid v1.4升级包含PaddleNLP、视频识别工具集、Paddle Serving、PaddleSlim 等，覆盖深度学习开发、训练、预测的全流程的特性。工具组件升级包含PaddleHub 、AutoDL Design等，为开发者提供了更丰富、高效的工具。

项目地址：

https://github.com/PaddlePaddle/Paddle/releases

重要更新

• 基础框架对训练速度和显存占用进行了全面优化，完整支持量化训练，初步集成了Intel nGraph，动态图preview版单机单卡基本功能完善。

• 正式发布模型压缩工具包PaddleSlim和模型预测服务Paddle Serving，全面提升PaddlePaddle部署能力。

• 优化分布式IO，增加远程文件系统流式读取能力。GPU多机多卡同步训练通过增加稀疏通信能力提升带宽不敏感训练能力，在低配网络带宽网络环境下，例如10G网络下，同步训练可提速10倍。

• 更好支持K8S生态，提供工业生产环境下的Paddle-K8S-Operator支持；Kubeflow支持paddle-job。

• 正式发布视频识别工具集，覆盖主流视频分类模型，包括Non-Local、TSM 、Attention Cluster、NeXtVLAD、Attention LSTM、StNet、TSN。

• 新增中文语义表示模型ERNIE，在多项中文任务上相对 BERT精度绝对提升1-2个百分点。新增对话通用理解相关模型DGU，支持5类对话任务，在3个公开数据集达到SOTA 的效果。

• 新增基于图神经网络的推荐模型（Graph Neural Network），并提供公开数据集下的Benchmark效果。

• 正式发布PaddleHub预训练模型管理工具，提供包括预训练模型管理、命令行一键式使用和迁移学习三大功能。旨在帮助用户更高效地管理模型并开展迁移学习的工作。

• 正式开源AutoDL Design，自动化网络结构设计。

• 全新升级聚焦并行的PARL1.1，一个修饰符，实现并行强化学习算法。

• 正式发布X2Paddle模型转换工具，用户可以无损地将其他深度学习框架预测模型迁移至PaddlePaddle。

 

基础框架

• 安装

• • 增加install_check.run_check()接口，对安装是否成功提供更完善的检查。

• 中间表达IR和Pass方面的优化

• • 完成IrGraph、IrNode、IrVarNode以及IrOpNode的封装，支持使用Python编写IR Pass。

• IO优化

• • PyReader接口优化：可通过新接口reader = fluid.io.PyReader (..., iterable=True, ...)创建for循环可迭代的reader，并通过feed方式将数据送入网络训练。

• 执行优化

• • 用户可设置with_data_parallel的places参数，指定在某些GPU卡上运行，从而支持单进程多训练任务执行。

  • 优化了多卡执行器调度策略，在ResNet50和Transformer模型上验证速度提升8%~19%。

  • 多卡情况下支持对AllReduce进行按分组Fuse，ResNet模型的多卡速度提升8%~30%（不同卡数提速有差异），Transformer模型的多卡速度提升4%左右。

• 显存优化

• • GC策略优化：Eager Deletion策略支持while_op内部变量的及时删除；支持非全量Eager Deletion策略，用户可设置FLAGS_memory_fraction_of_eager_deletion=0.xx控制即时删除内存/显存空间的百分比。

  • OP优化：优化cross entropy、expand、layer_norm、dropout等op的反向注册机制，去除无关变量依赖，提高框架显存性能。

  • 新增两个FLAGS（FLAGS_initial_gpu_memory_in_mb和FLAGS_reallocate_gpu_memory_in_mb）来让用户指定初始显存池容量和再分配显存池容量。

  • 调整inplace_op_pass策略，提高inplace的策略的覆盖率。

  • 取消了在python端做activation op inplace优化的逻辑，统一到inplace_op_pass。

  • 新增Memory Profile功能。

• 完善CPU JITKernel

• • 优化JITKernel的调用方式，添加Cache机制和获取所有相同类型函数的接口，方便开发者根据不同情况有选择的调用。

  • 使用JITKernel优化SGD算法，在PyramidDNN模型下对应的OP部分速度提升44%，整体训练速度提升12%；使用JITKernel优化fused_embedding_seq_pool，在PyramidDNN模型下对应op的反向算子速度提升18%， 整体训练速度提升6%。

• Intel CPU底层计算优化

• • MKLDNN升级至v0.18，包含若干性能增强（如基于GEMM的卷积运算 / INT8卷积运算等）。

  • 使用MKL优化GELU OP，OP性能提升至原来的3倍。

  • 增强MKLDNN相关Kernel的单元测试。

• 集成了Intel nGraph图编译引擎，为PaddlePaddle支持更多硬件后端提供了便利

• • 通过ngraph_engine OP将子图交由nGraph核心，经图优化后调度在CPU上执行。用环境变量FLAGS_use_ngraph=true即可在运行时调用nGraph。

  • 支持ResNet50模型在CPU上的训练和预测。ResNet50在CPU上的性能，和基于MKLDNN的直接优化相比，预测和训练性能均有显著提升。

• 框架基础功能增强

• • 支持同步的Batch Norm操作；支持softmax设置axis; 新增spectral norm, rang, acos, asin, atanh操作；新增Npair Loss，用于特征学习。

  • 框架中添加cosine_decay学习率调整策略。

  • 新增sampled_softmax_with_cross_entropy, 用于提升大词典下的训练效率。

  • 支持SGD和Adam优化算法的fuse，在Transformer模型上，速度能够提升2%，在Cycle GAN模型上，速度能够提升6%。

  • 加强lsmtp，支持cell内部裁剪、初始化cell state和hidden state。

  • 加强adagrad，支持初始化累积动量。

  • 支持Tensor使用__getitem__ 方式操作。

  • 新增QuantizationFreezePass、ConvertToInt8Pass以及TransformForMobilePass。完整支持动态和静态两种量化训练方式及对应模型保存。

• 动态图preview版基础功能完善

• • 基础功能：支持LRDecay，整体支持GPU单卡及CPU单机的模型训练和评估。

  • API：公开动态图对应基础接口，重构现有的 Layers，增加对 GRU、LayerNorm、NCE、PRelu 等 Layers 的支持。

  • 性能：在ResNet，MNIST模型上验证与静态图基本持平。

  • 增加Transformer、MNIST、Se ResNeXt 等模型的动态图实现。

 

预测引擎

服务器预测

• 预测库整合PaddlePaddle/Anakin，统一接口提供高效预测能力。

• • 支持Anakin GPU子图和CPU子图。

  • Python预测接口支持Anakin子图。

  • ResNet、VGG、GoogleNet、MobileNet、ShuffleNet、Faster R-CNN、YOLO、SSD等模型实现显著预测加速。

• 预测框架优化，小模型预测速度提升明显

• • 增加runtime_context_cache_pass，重点模型提升17%。

  • 优化5个OP的infershape，重点模型提升13%。

  • 完善ZeroCopy接口，避免使用AnalysisPredictor 时存在多余CPU拷贝。

• INT8 量化预测持续加强

• • 进一步完善通过TensorRT 支持INT8 量化，支持AlexNet、GoogleNet、VGG、MobileNet、ShuffleNet等模型。优化调用TensorRT下的信息序列化反序列化，加快模型初始化速度。

  • 实现基于C++ Pass的INT8量化框架。增加若干INT8 OP Kernel : Transpose, Contact, Requantize。通过微调MkldnnQuantizerConfig中的量化策略，用户可快速得到符合精度要求的INT8量化模型。INT8量化后的ResNet-50 / MobileNet v1模型，相比原始FP32模型，性能分别提升至3.7倍 / 3.0倍 （在支持AVX512-DL Boost指令集的至强 6271服务器上)。

 

移动端预测

• ARM CPU

• • Paddle Mobile完成矩阵运算库sgemm和sgemv的重构和效率优化，在大部分模型上能获得10%～100%以上的性能加速。

  • 新增while、sequence_expand、sequence_pool、sequence_softmax、gru_unit、beam_search和beam_search_decode等19个算子，以及对应大量的优化工作，支持attention-based端到端模型的预测。

  • 新增winograd 的arm v8实现，在IOS上的v8的硬件上能取得更高的预测性能；winograd支持算子融合 ，保证算子融合后的效率更高。

  • 新增kernel为3x3的滑窗直接卷积实现，在channel数较少时会比winograd和gemm效率更高。

  • 完成kernel为3x3的depthwise convolution重构和优化，相比之前版本支持任意的padding、性能更优且计算结果更可靠。

  • 完成kernel为5x5的depthwise convolution armv8版本的实现，NAS模型的预测效率提升30%以上。

  • 完成反卷积conv2d_transpose的效率优化。

  • 新增基于图优化的精简内存复用策略，大部分模型能降低近50%的内存占用。对于ARM CPU已自动开启（FPGA和GPU暂不支持）。

• ARM GPU

• • Paddle Mobile完成kernel为1x1的卷积优化，MobileNet v1在高通Adreno GPU上平均预测性能提升35%。

• 预测初步完成和Paddle-mobile、Anakin的接口统一，待进一步深度融合。

 

  部署工具

• 模型压缩工具包PaddleSlim

• • 剪切模型压缩策略：支持敏感度和uniform两种方式，支持VGG、ResNet、MobileNet等多种类型的网络，支持用户自定义剪切范围。

  • 量化训练模型压缩策略：支持动态和静态两种量化训练方式，支持对参数进行分channel量化或整体量化，支持以float类型模拟int8值域保存模型，支持以int8类型保存模型，支持以兼容paddle-mobile的格式保存模型。

  • 蒸馏模型压缩策略：支持在teacher网络和student网络任意层添加组合loss，支持FSP Loss, L2 Loss, Softmax with Cross-entropy Loss。

  • 其它功能：支持配置文件管理压缩任务超参数，支持多种压缩策略组合使用，蒸馏和剪切压缩过程支持checkpoints功能。

• Paddle Serving

• • 支持预测远程部署。

  • 服务端支持用户新增数据处理Operator，支持用户自定义预估逻辑，支持模型热加载功能。

  • 客户端提供C++ SDK，供业务逻辑进行调用，支持自定义protobuf定制网络数据传输协议，A/B测试能力。

  • 提供经典任务使用Paddle Serving的示例模板，包括文本分类，图像分类任务。

  • 针对文本分类任务，给出延迟和吞吐的Benchmark。

 

分布式训练

• 分布式IO优化

• • Pipe Reader接口优化：在保持数据预处理灵活性的前提下，提供高效IO的方法。支持企业级Linux系统用户定制化，实现高性能IO组件，在离线数据预处理处进行统一维护。增强远程文件系统流式读取能力，支持数据载入内存模式、分布式打乱功能。

• Executor与分布式IO的整合

• • AsyncExecutor整合进入Executor，增加train_from_dataset/infer_from_dataset接口，支持基于Pipe Reader的训练，在保持多队列IO功能的前提下，支持用户自定义PipeLine程序，提供python端灵活处理数据的能力。

• GPU多机多卡同步训练增加带宽不敏感训练能力

• • GPU同步训练增加稀疏通信能力，支持sparse all reduce。

  • 通过通信稀疏度的控制，在算法层面保障模型收敛，并增加DGCOptimizer。

  • 通过在ResNet50 on imagenet上进行实验证明：模型收敛性方面，ResNet50 90轮收敛效果不变；在高速互联网络环境下，稀疏通信不会降低训练速度；低配网络带宽网络环境下（例如10G网络），稀疏通信在训练速度上有明显优势，相比稠密通信的同步训练提速10倍。

• Collective Operator模式

• • Collective Operator模式的支持，增加GPU下多个all reduce的操作。通过Python API向Program中增加collective op，使得分布式优化算法开发的灵活性显著提升。

• Resnet50 on Imagenet收敛速度优化

• • 支持动态BatchSize、动态ImageSize以及矩形crop等方法；FP32精度下,在v100单机8卡验证，收敛速度提升68%(acc1>=75.9%, acc5=93.0%)。

• K8S生态支持

• • Kubeflow支持paddle-job，并贡献到kubeflow社区。

  • 支持工业生产环境下的Paddle-K8S-Operator，可与kubeflow配合使用。

  • K8S环境适合新手提交任务的脚本，提供百度云可复现教程。

模型建设

• PaddleCV 智能视觉

• • 正式发布视频识别工具集，覆盖主流视频分类模型，包括Nonlocal、TSM 、Attention Cluster、NeXtVLAD、LSTM,、StNet、TSN，效果和主流实现打平。

  • 新增基于ImageNet的预训练模型: GoogleNet, ShuffleNetV2, ResNet18,ResNet34。

  • 新增支持目标检测YOLOv3模型，效果与最好公开实现打平（mAP比原作者提高4.7绝对百分点）。

  • 发布基于COCO和MPII数据的Simple Baselines人体姿态估计模型，效果和主流实现打平。

  • 特征学习模型新增npair loss， 在预训练模型（arcmargin loss）的基础上将recall@1提升至79.03%（+0.78%)。

• PaddleNLP智能文本处理

• • 新增支持中文语义表示ELMo模型，支持多卡训练，训练速度比主流实现快1倍。验证在中文词法分析任务上F1值绝对提升1.1%，在中文阅读理解任务上Rouge-L值提升1%。

  • 新增中文语义表示模型ERNIE，在自然语言推断、语义相似度、命名实体识别、情感分析、问答匹配等中文任务上相对 BERT 中文模型绝对提升了 1% ~ 2% 的精度。

  • 阅读理解模型升级，优化数据预处理和文档选取，在DuReader验证数据集上Rouge-L提升至47.65（baseline 39.29)。

  • 新增基于知识感知的对话模型，对比基线生成对话模型，在F1, BLEU1, BLEU2的指标上平均提升1个百分点。

  • 发布对话模型工具集，包含DeepAttentionMatchingNet, 新增对话自动评估工具和基于BERT的对话通用理解相关模型DGU(Dialogue General Understanding)，支持对话语义匹配、DA、DST、槽位解析和意图识别五种对话任务，3个公开数据集达到SOTA 的效果。

  • 发布PaddleNLP工具包，统一文本分类、文本匹配、序列标注、阅读理解、智能对话等NLP任务的建模，并开放对应的工业级预训练模型。

• PaddleRec智能推荐

• • Deep Interest Network（DIN）：新增DIN模型，并在公开数据复现效果，支持cpu和gpu模式下的单机单/多卡训练。DIN适用于推荐中的排序场景（如ctr预估），主要特点为对历史序列建模的过程中结合了预估目标的信息。

  • Graph Neural Network（GNN）：新增基于session的图神经网络推荐模型，并在公开数据复现效果，支持cpu和gpu模式下的单机单卡训练。该模型适用于推荐中的召回场景，使用GNN对用户的历史信息进行建模，可以捕捉到item序列之间蕴含的更复杂的转换关系。

  • Word2vec：word2vec采样策略调优，并在公开数据复现效果，添加多机训练支持。

 

工具组件

• 正式开源AutoDL Design自动化网络结构设计

• • 用AutoDL Design方法生成的一系列神经网络，以及使用CIFAR10数据在其上训练出来的一共6个模型，包括了网络结构以及对应的权重。因此每一位业内同行或者是有兴趣的研究者都可以很容易使用PaddlePaddle以及公开的CIFAR10数据，在这6个模型上进行推理（inference）以及模型融合，获得超过98%的准确率。

  • 生成器和评估器的源码开源，该源代码使用了完全由百度自己研发的PaddlePaddle平台和PARL框架。代码中附带有中文文档，以及一些方便大家快速运行的更简单的小demo（例如，以“RNN生成多少个1”作为奖励，可以快速验证整个框架的正确性）。大家可以下载、安装和运行，尝试生成属于自己的、全新的神经网络结构。

• 全新升级聚焦并行的PARL1.1，一个修饰符，实现并行强化学习算法

• • 通过一个简单的修饰符(@parl.remote_class)即可实现并行化。数据预处理以及simulator仿真等计算密集型的任务经过这个修饰符之后，会自动部署到用户指定的计算资源上运行，不再占用主线程的计算资源。

  • 新增了对IMPALA、A2C、GA3C等并行算法的支持。 

• 正式发布PaddleHub预训练模型管理工具，旨在帮助用户更高效的管理模型并开展迁移学习的工作。

• • 预训练模型管理：通过hub命令行可完成PaddlePaddle生态的预训练模型下载、搜索、版本管理等功能。

  • 命令行一键使用：无需代码，通过命令行即可直接使用预训练模型进行预测，快速调研训练模型效果。目前版本支持以下模型：词法分析LAC；情感分析Senta；目标检测SSD；图像分类ResNet, MobileNet。

  • 迁移学习：提供了基于预训练模型的Finetune API，用户通过少量代码即可完成迁移学习，包括BERT/ERNIE文本分类、序列标注、图像分类迁移等。

• 正式发布X2Paddle模型转换工具，可以无损地将其他深度学习框架预测模型迁移至PaddlePaddle。工具还附带TensorFlow, Caffe框架的API详细对比文档，旨在帮助用户更便捷的从其他框架迁移PaddlePaddle。

BUG修复

• 修复backward时BFS带来的精度不一致的问题

• 修复optimizer minimize创建多余反向输入

• 修复Paddle-TRT运行显存占用大的问题

• 修复AllReduceDepPass中的Bug

• 修复FastThreadedExecutor中的Bug

• 修复Reshape、cross_entropy、arg_min_max、recurrent等Op中的bug

• 修复VarBase构造的问题

• 修复了若干memory_optimizer_pass中的问题与bug：将复用逻辑由>= 调整为 =，减少了因Variable复用造成的碎片，去掉了memory_opitmize_pass对BlockDesc的依赖，修复了不同类型的Variable会相互复用的bug

• 修复python3下使用paddle.util.plot报错问题

• 提升Profiler的稳定性并新增Memory Profile功能

• 修复C++预测必须在线程内clone，才能使多线程生效的问题

• 修复一些OP在InferShape时对变长shape检查的错误

• 增加一些OP对长度为零的LoD序列输入的支持

• 修复用recurrentop实现StaticRNN的一些bug

• 修复动态图dygraph模型checkpoint存储和读取的bug

• 修复一些OP在InferShape时对变长shape检查的错误

• 增加一些OP对长度为零的LoD序列输入的支持

• 修复用recurrentop实现StaticRNN的一些bug

• 修复动态图dygraph模型checkpoint存储和读取的bug

*点击“阅读原文”可直接前往项目地址查看！