0
雷鋒網(wǎng) AI 研習(xí)社按：PaddlePaddle 的前身是百度在 2013 年自主研發(fā)的深度學(xué)習(xí)平臺，在百度內(nèi)部已經(jīng)使用多年，支持百度內(nèi)部各項業(yè)務(wù)。 2016 年 8 月底百度開源了 PaddlePaddle 之后，在短時間內(nèi)迅速成為全球開發(fā)熱度（Github Pull Request 數(shù)量）增速最高的開源深度學(xué)習(xí)平臺。PaddlePaddle 項目不僅提供深度學(xué)習(xí)框架，還提供各種簡化調(diào)試和支持大規(guī)模訓(xùn)練的附加技術(shù)。PaddlePaddleVisualDL 開發(fā)不到半年的時間，在Github 上的“star”數(shù)就逼近了開發(fā)了兩年多的 Google TensorBoard。
PaddlePaddle 的社區(qū)增速和其技術(shù)迭代速度密不可分。剛開源的時候，PaddlePaddle 的設(shè)計思路和四年前開發(fā)的Caffe類似。在一年時間里，連續(xù)推出了“v2”和“Fluid”兩代新技術(shù)：其中 v2 像 MxNet 和Caffe2 一樣參考 TensorFlow 增加了 operators 的概念；Fluid 類似 PyTorch，但是不依賴 Python 的控制流（if-else、for等），而是提供自己的解釋器甚至編譯器，所以不受限于 Python 的執(zhí)行速度問題。
在 2017 年 11 月的百度世界大會上，PaddlePaddle 發(fā)布了三項新功能：
PaddlePaddleFluid 提供高級語言中的 while 和 if 等控制流結(jié)構(gòu)，提升使用者的開發(fā)效率，同時利用編譯優(yōu)化技術(shù)保證計算性能。
PaddlePaddleCloud 支持使用者在瀏覽器里開發(fā) AI 應(yīng)用，在云端調(diào)試運行，開發(fā)者不需要在個人電腦和機群之間切換，提升了工作效率。
PaddlePaddleEDL 是全球首個支持彈性作業(yè)調(diào)度的開源 AI 云解決方案，通過與 Kubernetes 合作實現(xiàn)彈性作業(yè)調(diào)度。
三大新功能的推出，進一步加強了 PaddlePaddle 的易用性，提高了效率，并降低了開發(fā)者的使用門檻。
陸奇曾表示，開源代碼寫得好，不僅能解決大家的痛點，開源代碼也會變得越來越強，開源代碼的生命力必然會超過封閉體系的代碼。PaddlePaddle 開源至今，還會為開發(fā)者提供哪些服務(wù)？怎樣在大量流行開源框架的競爭之下脫穎而出？如何成為陸奇口中所說的“越來越強”的開源平臺？帶著這些疑問，雷鋒網(wǎng) AI 研習(xí)社采訪了百度 PaddlePaddle 的技術(shù)負(fù)責(zé)人王益，他將分享在開發(fā) PaddlePaddle 過程中的經(jīng)驗點滴。
嘉賓簡介：王益，在加入百度之前曾任硅谷 AI 創(chuàng)業(yè)公司 Scaled Inference 創(chuàng)始科學(xué)家，LinkedIn 高級主任數(shù)據(jù)科學(xué)家，騰訊社交廣告技術(shù)總監(jiān)，Google研究員。王益曾在清華大學(xué)和香港城市大學(xué)學(xué)習(xí)，并取得了清華大學(xué)機器學(xué)習(xí)和人工智能博士學(xué)位。此外，他還是 IEEE 的高級會員，著有《推薦系統(tǒng)實踐》一書。
以下是雷鋒網(wǎng) AI 研習(xí)社對王益的采訪內(nèi)容：
PaddlePaddle 其實已經(jīng)有很多年的歷史了，從 2013 年發(fā)展至今，PaddlePaddle 在設(shè)計的過程中經(jīng)過了哪些重大變化？
王益：PaddlePaddle 的2013年版本是百度杰出科學(xué)家徐偉老師主持設(shè)計和開發(fā)的，其設(shè)計思路和同時代的 Caffe “心有靈犀”：表示一個模型的方式都是“一串 layers”。這個設(shè)計沿用了三年。2016年8月底，PaddlePaddle 開源之后，我們在徐老師指導(dǎo)下做了兩代升級：2017 年 4 月推出 PaddlePaddle v2，2017 年底推出PaddlePaddleFluid。
PaddlePaddle v2 的推出把 PaddlePaddle 的技術(shù)升級到了 2015 年 Google 推出的TensorFlow 的水平 —— 把 layers “打碎”成更細粒度的 operators，同時支持更復(fù)雜的網(wǎng)絡(luò)拓?fù)洹皥D”而不只是“串”。
PaddlePaddle Fluid 的設(shè)計思路和 PyTorch 以及 TensorFlowEager Execution 很像 —— 已經(jīng)不再有“模型”的概念，也就不在意“圖”（graph ofoperators）或者“串”（sequence oflayers）了，而是只有“程序”的概念。當(dāng)然，從程序是可以導(dǎo)出一個圖的，這也是 從一個 PyTorch 程序可以被導(dǎo)出成 ONNX 文件格式的模型一樣。
需要提醒的是，PyTorch 和 EagerExecution 程序中的控制流（比如 if-else, for）都是用的 Python，而 Python 執(zhí)行速度慢且難以提速，這是一個瓶頸。Fluid 程序也是一個 Python 程序，但是執(zhí)行這個程序會先把自己輸出成一個 protobuf message，隨后調(diào)用 Fluid 解釋器（而不是 Python 解釋器）來解釋執(zhí)行這個 protobufmessage，這樣比 Python 解釋器的執(zhí)行速度更快，和 TensorFlow 執(zhí)行圖的速度一樣。甚至更進一步，我們在開發(fā)編譯執(zhí)行的方式 —— 寫一個 transpiler 把 protobuf message 表示的程序翻譯成 C++ 程序，然后可以用 nvcc、icc、gcc 編譯成二進制代碼，直接運行在服務(wù)器和手機上。從而徹底解決 PyTorch 和 Eager Execution 程序的執(zhí)行速度受限于 Python 的執(zhí)行速度的問題。
在知乎上，Caffe 的作者賈揚清稱贊了百度的 PaddlePaddle，并說“整體的設(shè)計感覺和 Caffe 心有靈犀”。那么，您認(rèn)為，跟 Caffe 以及 TensorFlow、PyTorch、MXNet 等熱門框架相比，PaddlePaddle 的優(yōu)勢在哪？
王益：知乎上賈揚清的稱贊是在 PaddlePaddle 開源之初。如我上文所述，當(dāng)時的 PaddlePaddle 和 Caffe 確實很像。今天在百度內(nèi)外推動的都是 PaddlePaddleFluid 了，是一個比 PyTorch 和 Eager Execution 更激進的技術(shù)思路。
陸奇曾表示，要將 PaddlePaddle 發(fā)展成具有中國特色，最適合中國國情的深度學(xué)習(xí)平臺。請問“適合中國國情”的深度學(xué)習(xí)平臺怎樣理解？它和國外的深度學(xué)習(xí)平臺有何區(qū)別？
王益：從我的理解來看，一方面是基礎(chǔ)計算架構(gòu)要適應(yīng)中國的現(xiàn)狀；另一方面是計算技術(shù)上要世界領(lǐng)先，能人所不能。這兩方面都有很多可以做的工作，而且百度還是足以自信的。
雖然現(xiàn)在很多深度學(xué)習(xí)應(yīng)用用一個幾臺機器的小集群就可以解決，但是 Web scaled 應(yīng)用，比如廣告和搜索引擎，或者新的應(yīng)用，比如通過 Lidar、Radar、cameras 采集海量數(shù)據(jù)的無人車，都是需要大規(guī)模深度學(xué)習(xí)計算能力的。通過擴展 Kubernetes 這樣的先進的集群管理系統(tǒng)，PaddlePaddle EDL 比 Google KubeFlow 優(yōu)勢很明顯 —— EDL 不僅可以把 PaddlePaddle 程序在 Kubernetes 上跑起來，而且可以彈性調(diào)度—— 不忙的時候一個訓(xùn)練作業(yè)多用一些資源，忙的時候少用一些，但是資源變化不會導(dǎo)致作業(yè)失??；而 KubeFlow 只是把 TensorFlow 程序在 Kubernetes 上跑起來，不能實現(xiàn)彈性調(diào)度。另外，EDL 不僅調(diào)度深度學(xué)習(xí)作業(yè)，也彈性調(diào)度其他作業(yè)，比如 Nginx、MySQL 等，從而極大地提升集群總體利用率—— 在國家深度學(xué)習(xí)重點實驗室機群上實測效果高達 91%，遠超一般的高性能計算集群的 30% 左右的利用率。這樣的技術(shù)在公有云和私有云上的推廣，很容易就能用 1/3 的機器做同樣的工作，為一家單位一年節(jié)省的計算成本可以高達百萬、甚至數(shù)百萬美元。
深度學(xué)習(xí)平臺和編程語言一樣，不是一個獨立的程序，而是一個社區(qū) —— 訓(xùn)練要能在國內(nèi)的云服務(wù)上跑；要能部署到國內(nèi)的企業(yè)的私有云上；國內(nèi)的科技創(chuàng)新企業(yè)在制造定制化的加速芯片，PaddlePaddle 應(yīng)該是連接這些基礎(chǔ)創(chuàng)新和應(yīng)用的橋梁；要開放中文數(shù)據(jù)和中文模型—— 比如圖像識別的 label 是中文的；語音識別和語音合成等應(yīng)用也是和中文強相關(guān)的。
現(xiàn)在 Google 正加速 TensorFlow 在國內(nèi)的推廣（開設(shè) TensorFlow 微信公眾號、中文網(wǎng)站等），百度的 PaddlePaddle 會采用怎樣的策略應(yīng)對？
王益：在宣傳和推廣方面，PaddlePaddle 團隊也在建設(shè)宣傳渠道。歡迎大家訪問我們的官方網(wǎng)站 paddlepaddle.org，也歡迎大家訂閱我們的微信公眾號（微信號：PaddleOpenSource）。前一年里，PaddlePaddle 團隊的人數(shù)也在迅速增長，雖然和 TensorFlow 團隊的規(guī)模相比還是有一定的距離，我們在 Github 上的 pull request 和 issues 數(shù)量增長和 TensorFlow 是同量級的，這背后是團隊持續(xù)一年多努力工作的結(jié)果。
從 PaddlePaddle 的發(fā)展過程可看出，百度正努力降低 PaddlePaddle 的開發(fā)門檻，同時提升其開發(fā)效率，從而讓開發(fā)者能夠順暢地使用 PaddlePaddle 開發(fā)產(chǎn)品。那么除了不斷優(yōu)化 PaddlePaddle 之外，百度還提供了哪些措施來獲取更多的開發(fā)者使用 PaddlePaddle ？
王益：PaddlePaddle 有一個 Web-based IDE，可以讓大家在瀏覽器里用 JupyterNotebook 編程，然后按一個鍵，就把程序發(fā)送到云端（Kubernetes 集群上）運行，程序運行時候的輸出實時地顯示在瀏覽器里。這樣大家不需要在多個編程環(huán)境之間切換—— 在筆記本上開發(fā)，在 GPU server 上驗證，在集群上跑試驗，也就不需要維護多個環(huán)境里的各種軟件（比如 Python）的版本和配置一致。
PaddlePaddle 還提供一個訓(xùn)練過程可視化的工具 VisualDL：https://github.com/PaddlePaddle/VisualDL。 這個工具很方便，社區(qū)反映非常熱烈。開始開發(fā)才不到半年，Github 上的“星”的數(shù)量（1071）就直追開發(fā)了兩年多的 Google TensorBoard 了（1144）。
我們還在為 PaddlePaddle Fluid 開發(fā)一個類似 GDB 的調(diào)試器。希望今年夏天的時候可以面世，進一步方便大家調(diào)試深度學(xué)習(xí)程序。
有開發(fā)者反饋，和其他框架相比，PaddlePaddle 的文檔資料較少，請問百度未來在 PaddlePaddle 社區(qū)運營以及開發(fā)文檔資料的支持工作上會有哪些具體的措施？
王益：文檔問題確實存在。我們也一直在反思原因和尋求解答。原因有幾個：
開源一年多以來，技術(shù)演進速度很快，文檔沒有跟上。
開源之前，作為公司內(nèi)部項目，很多用戶交流都發(fā)生在公司內(nèi)部的通信工具上，沒有歸檔到文檔里，很可惜。
團隊人力較少，顧不上文檔的完備。
中國工程師用英語寫作文檔的能力有限。
針對這幾個問題，最近幾個月我們做了很多工作：
鑒于 Fluid 已經(jīng)是目前最新一代技術(shù)，2018 年我們會努力穩(wěn)定和完善它，并且不斷補足文檔。
絕大部分用戶交流發(fā)生在 Github issue 里，這些討論過程會被不斷收集起來，形成文檔，或者幫助我們把現(xiàn)有文檔修改得更簡潔易懂。
百度在最近一年里為 PaddlePaddle 配置了更多的工程師，我們也在不斷提升自己的文檔能力。
API reference 類型的文檔盡量通過工具自動從代碼生成。
其他類型的文檔，我們建立了審核機制作為組織開源貢獻的基礎(chǔ)。我們也為百度之外的文檔和源碼貢獻者們準(zhǔn)備了禮物：https://github.com/PaddlePaddle/Paddle/issues/6542。歡迎大家加入到 PaddlePaddle 項目里來，一起把它做得更好。
您曾經(jīng)在 Google、騰訊、LinkedIn 做過與分布式機器學(xué)習(xí)相關(guān)的工作，為什么最終會選擇來百度領(lǐng)導(dǎo)開發(fā) PaddlePaddle？
王益：一個主要的原因是百度的 AI 布局是真的很開放，沒有什么藏著掖著的。比如PaddlePaddle 100% 都在 Github 上公開，沒有內(nèi)部版本。從芯片、到手機、到各種AI 應(yīng)用，中國在 AI 領(lǐng)域每個層次上都有值得驕傲的工作在做值得驕傲的技術(shù)。如果有一個開放的軟件平臺把他們能連為一體，無疑是一件獨具社會價值和面向長遠未來的事兒。這是一個很有挑戰(zhàn)的機會。另一個主要原因是百度的管理層都很支持 AI 開放這件事。陸奇、王海峰老師在技術(shù)成果宣傳和公司間的戰(zhàn)略合作方面，都是親力親為的，PaddlePaddle 的開源也得到了吳恩達老師的支持。
根據(jù)目前的發(fā)展現(xiàn)狀來看，您認(rèn)為未來機器學(xué)習(xí)領(lǐng)域的發(fā)展趨勢是怎樣的？您比較看好哪些技術(shù)的應(yīng)用潛力？
王益：機器學(xué)習(xí)有很多具體的工作方向，每一個都很有意思。我最近十年來都專注在大規(guī)模分布式計算——除了提升計算速度（開始運行到結(jié)束之間的時間），還要綜合提升整個機群的利用率，以及降低每個作業(yè)提交之后到開始運行之前的這段等待時間。這是我最感興趣的方向。它能夠為公司節(jié)省計算成本，保障研究員們的工作效率，更是大規(guī)?；ヂ?lián)網(wǎng)業(yè)務(wù)成功的基石。
如今人工智能大熱，有很多程序員以及研究員有意轉(zhuǎn)向人工智能的開發(fā)和研究，對于這樣的現(xiàn)象您是怎么看的？您能否提供一些建議給這些想轉(zhuǎn)型人工智能的技術(shù)人員？
王益：計算機科學(xué)有兩種形式：一種是，人來學(xué)習(xí)和積累知識，然后對給定問題想出來一個解法，把解法描述成程序，然后計算機照著執(zhí)行。很多程序員學(xué)習(xí)算法和數(shù)據(jù)結(jié)構(gòu)是為了掌握這種形式。另一種形式是，人想不出解法，所以寫一個程序，讓程序通過分析數(shù)據(jù)，歸納規(guī)則，再利用這些規(guī)則解決問題。后一種是人工智能。為了寫這個人工智能程序，當(dāng)然也得學(xué)好算法和數(shù)據(jù)結(jié)構(gòu)；同時人工智能程序區(qū)別于一般程序的地方是需要程序員有必要的數(shù)學(xué)基礎(chǔ)。
我們以前做的統(tǒng)計學(xué)習(xí)要求的統(tǒng)計學(xué)和統(tǒng)計學(xué)習(xí)理論相對比較難學(xué)一些，深度學(xué)習(xí)基本只需要高等數(shù)學(xué)為基礎(chǔ)，門檻一下子就降低了很多。這是一個大家學(xué)習(xí)把握第二種形式的好機會。
不管高等數(shù)學(xué)還是概率統(tǒng)計，都是大一課程，不需要超常的智慧，只是需要耐心積累知識體系之后，才能看到效果。我看到不少朋友們覺得難，其實不是這個學(xué)習(xí)的事兒難，而是要克服焦慮感，維持耐心比較難。如果大家因為著急想要放棄，請想想以下事實：
計算機科學(xué)發(fā)展了半個多世紀(jì)，能用第一種形式完全解決的核心問題，包括操作系統(tǒng)、編程語言、Web server、GUI 系統(tǒng)等，都解決的差不多了。而很多新的問題，比如：如果展示這個廣告，用戶有多大的概率會點擊；如果推薦這個衣服，用戶有多大可能性會購買；如果推薦這個小視頻，用戶有多大可能會觀看；這個照片看上去像是哪個知名景點等等，都需要用第二種形式的編程來解決，并且這些進展已經(jīng)在最近二十年里支撐起 BAT 和 FLAG 這樣的偉大的公司。
2017 年夏天，北京工業(yè)大學(xué)的四位學(xué)生利用 PaddlePaddle 制造了一臺智能桃子分揀機，從形狀、大小、色澤等多維度對桃子自動分級，實現(xiàn)桃子的自動分揀。對于自家的 PaddlePaddle 平臺，李彥宏表示：“經(jīng)過了五六年的積累，PaddlePaddle 實際上是百度深度學(xué)習(xí)算法的引擎，把源代碼開發(fā)出來，讓同學(xué)們、讓社會上所有的年輕人都能夠?qū)W習(xí)，在它的基礎(chǔ)上改進，我相信他們會發(fā)揮出創(chuàng)造力，做到很多我們連想都沒有想過的東西?！?/p>
總結(jié)起來，百度 PaddlePaddle 平臺的使用成本更低、更加簡潔易用，從開放力度上來講，PaddlePaddle 也是前所未有的，不僅將高性能的分布式框架徹底開源出來，同時還開放了大量的模型，在技術(shù)、營銷和客戶資源方面為企業(yè)和個人開發(fā)者提供幫助。不過，在競爭激烈的機器學(xué)習(xí)平臺領(lǐng)域，PaddlePaddle 如何獲得更多開發(fā)者的青睞，如何拓展 PaddlePaddle 的技術(shù)生態(tài)，對于百度來講還有很長的路要走。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
