開(kāi)源越來(lái)越被證明為大勢(shì)所向。雷鋒網(wǎng)獲悉，近日，國(guó)內(nèi)計(jì)算機(jī)視覺(jué)企業(yè)曠視傳出，最快將在 3 月底開(kāi)源其基于計(jì)算平臺(tái) Brain++ 的深度學(xué)習(xí)框架 MegEngine 。屆時(shí)，復(fù)工、開(kāi)學(xué)的企業(yè)、學(xué)生開(kāi)發(fā)者們也將獲得更多選擇。

曠視CEO 印奇曾公開(kāi)表示：“深度學(xué)習(xí)是曠視的核心競(jìng)爭(zhēng)力，也是支撐人工智能革命的關(guān)鍵?！逼湓谏疃葘W(xué)習(xí)中的重要驅(qū)動(dòng)便是 Brain++ 。

2019 年的世界互聯(lián)網(wǎng)大會(huì)上，曠視在入選“國(guó)家新一代圖像感知人工智能開(kāi)放創(chuàng)新平臺(tái)”的同時(shí)，發(fā)布了端到端的人工智能算法平臺(tái) Brain++，后者集成了數(shù)據(jù)管理、自動(dòng)化算法研發(fā)和算力調(diào)度能力，其架構(gòu)主要包括三部分：作為主體的深度學(xué)習(xí)算法開(kāi)發(fā)框架 MegEngine ，提供算力支持的 MegCompute，提供數(shù)據(jù)支持的 MegData 。

今年已經(jīng)成立近 10 個(gè)年頭的曠視一直聚焦計(jì)算機(jī)視覺(jué)，因此，和目前通用的深度學(xué)習(xí)框架相比，MegEngine 更垂直于計(jì)算機(jī)視覺(jué)應(yīng)用，加上近幾年公司在物聯(lián)網(wǎng)產(chǎn)業(yè)不斷提速的商業(yè)落地，從眾多業(yè)務(wù)場(chǎng)景中獲取的數(shù)據(jù)能力也給予了 MegEngine 更扎實(shí)的應(yīng)用能力。而開(kāi)源也意味著，作為視覺(jué)領(lǐng)域的頭部級(jí)公司，曠視已經(jīng)在建設(shè)自己的開(kāi)發(fā)者生態(tài)上做足了準(zhǔn)備。

開(kāi)源成為人工智能下一階段發(fā)展新趨勢(shì)

2012 年后，深度學(xué)習(xí)的發(fā)展帶動(dòng)人工智能進(jìn)入拐點(diǎn)，前者擁有高于傳統(tǒng)機(jī)器學(xué)習(xí)十倍、百倍的神經(jīng)網(wǎng)絡(luò)參數(shù)，在人工智能最先落地的語(yǔ)音識(shí)別、圖像識(shí)別領(lǐng)域，深度學(xué)習(xí)都是不可或缺的重要工具。商業(yè)落地中的數(shù)據(jù)反哺，也帶動(dòng)了算力、框架上的不斷升級(jí)。開(kāi)發(fā)者口中通用的深度學(xué)習(xí)開(kāi)源框架基本不出這幾種：TensorFlow、 PyTorch、Caffe、CNTK、ONNX 等，這背后又分別站著谷歌、Facebook、微軟等巨頭。        

在國(guó)內(nèi)，業(yè)內(nèi)的共識(shí)近幾年不斷被強(qiáng)化，即人工智能給了中國(guó)企業(yè)、產(chǎn)業(yè)彎道超車(chē)的機(jī)會(huì)，但如果在人工智能發(fā)展中重要的深度學(xué)習(xí)中一直處于被動(dòng)，前者的概率也將被大大壓縮。

而除去開(kāi)發(fā)工具的語(yǔ)言問(wèn)題，安全性、適用性等需求也在倒逼中國(guó)企業(yè)在深度學(xué)習(xí)框架上建立自己的領(lǐng)地，國(guó)內(nèi)頭部企業(yè)已在此做出不少投入：

比如2016 年 8 月底，百度在宣布“All in AI ”的前一年，開(kāi)源了自研深度學(xué)習(xí)平臺(tái) PaddlePaddle；2018 年 10 月，華為發(fā)布了自研深度學(xué)習(xí)框架 MindSpore ，雖然沒(méi)有官宣，但關(guān)于其開(kāi)源的消息已經(jīng)出現(xiàn)不少雨點(diǎn)。

有頭部公司的示范效應(yīng)，起家于AI 的曠視，相比大廠在AI 人才、數(shù)據(jù)、算法上有更深的積淀，要在開(kāi)源上出一份力也不足為奇。鑒于開(kāi)源在企業(yè)人才貢獻(xiàn)、代碼維護(hù)、企業(yè)文化、技術(shù)影響力等方面的正面效應(yīng)，勢(shì)必也將有越來(lái)越多的互聯(lián)網(wǎng)和科技企業(yè)加入中國(guó)開(kāi)源生態(tài)的建設(shè)中來(lái)。

曠視MegEngine亮點(diǎn)前瞻

歷經(jīng)近6年的打磨，MegEngine 的框架一直緊跟曠視的應(yīng)用場(chǎng)景調(diào)整升級(jí)，尤其針對(duì)國(guó)內(nèi)需求，相比 TensorFlow、PyTorch 適用性更加突出。

整體上，Brain++ 可針對(duì)視覺(jué)任務(wù)定制化優(yōu)化，更好滿(mǎn)足大量圖像及視頻訓(xùn)練，完成圖像分類(lèi)、物體檢測(cè)、物體場(chǎng)景分割、影像分析等復(fù)雜的視覺(jué)任務(wù)。

值得一提的是，作為 Brain++ 最為核心的引擎框架，MegEngine 配備了 AutoML 技術(shù)，將深度神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、參數(shù)調(diào)整及設(shè)備適配等過(guò)程自動(dòng)化，提高開(kāi)發(fā)效率，同時(shí)可智能調(diào)度平臺(tái)硬件基礎(chǔ)設(shè)施的計(jì)算能力，支持?jǐn)?shù)百名研究人員同時(shí)在數(shù)萬(wàn)個(gè) GPU 芯片上執(zhí)行從數(shù)百到數(shù)千個(gè)訓(xùn)練任務(wù)。

曠視從 2014 年開(kāi)始，內(nèi)部成立了“Engine”小組自研深度學(xué)習(xí)框架，經(jīng)過(guò)5年多的打磨和實(shí)踐，MegEngine 已經(jīng)逐漸成為支撐其算法研究開(kāi)發(fā)的底層平臺(tái)，并在曠視實(shí)現(xiàn)全員使用。近幾年，曠視的計(jì)算機(jī)視覺(jué)技術(shù)在智慧城市、智慧物流、智慧零售中的落地逐漸加快，其算力及深度學(xué)習(xí)框架也在海量數(shù)據(jù)的補(bǔ)給中更加茁壯。

據(jù)了解，MegEngine 基于C++開(kāi)發(fā)，可幫助用戶(hù)借助編程語(yǔ)言進(jìn)行高性能的運(yùn)算執(zhí)行。同時(shí)曠視在框架內(nèi)部，使用了目前流行的計(jì)算圖方式，但是和其他框架不同，MegEngine 使用的是異構(gòu)架構(gòu)，方便使用框架進(jìn)行分布式計(jì)算。

此外，MegEngine 內(nèi)部的計(jì)算以算子的形式進(jìn)行，它支持多種算子節(jié)點(diǎn)和變量算子，包括常用的卷積、全連接、ReLU 和用戶(hù)可定制的算子，甚至可以計(jì)算二階梯度，從而進(jìn)行更多底層和靈活的運(yùn)算。

可以說(shuō)，MegEngine 在盡全力提升深度學(xué)習(xí)計(jì)算性能的基礎(chǔ)上，為用戶(hù)提供了靈活易用的模型構(gòu)建工具，極大地提升了開(kāi)發(fā)效率。相比于很多深度學(xué)習(xí)開(kāi)源框架，MegEngine 的特點(diǎn)也非常明顯：

首先在運(yùn)算速度上，曠視 MegEngine 具備高性能計(jì)算核心，動(dòng)態(tài)靜態(tài)結(jié)合的內(nèi)存優(yōu)化機(jī)制運(yùn)算速度更快，且占用更少的內(nèi)存資源；其次在易用性上，MegEngine 封裝了平臺(tái)細(xì)節(jié)，且接口兼容 PyTorch，新人用戶(hù)可快速上手；最后，MegEngine 還支持多種硬件平臺(tái)和異構(gòu)計(jì)算，整個(gè)框架既可用于訓(xùn)練又同時(shí)支持推理，實(shí)現(xiàn)模型一次訓(xùn)練，多設(shè)備部署，能夠免除了不必要的轉(zhuǎn)換流程導(dǎo)致的性能下降和精度損失。

除以上性能，MegEngine 據(jù)稱(chēng)也為 IoT 和視覺(jué)任務(wù)進(jìn)行了特別的優(yōu)化，廣泛支持各種芯片。通過(guò)領(lǐng)先的量化計(jì)算支持，其可以通過(guò)統(tǒng)一量化模型來(lái)支持多種設(shè)備，同時(shí)支持低于8bit 的網(wǎng)絡(luò)推理。

深度學(xué)習(xí)框架對(duì)于人工智能發(fā)展的推動(dòng)作用自是不言而喻，但框架安裝、部署、上手使用一直是難點(diǎn)，要針對(duì)不同硬件、模型、內(nèi)存做調(diào)試。而 MegEngine 做了相應(yīng)的自動(dòng)化和封裝，使得門(mén)檻大大降低，初級(jí)開(kāi)發(fā)者也能掌握。正如深度學(xué)習(xí)框架降低了 AI 的門(mén)檻，MegEngine 又進(jìn)一步降低了框架本身的部署、使用門(mén)檻。

COCO 三連冠檢驗(yàn)的實(shí)踐能力

曠視是趕上深度學(xué)習(xí)興起的第一批科技新創(chuàng)企業(yè)，三位創(chuàng)始人印奇、唐文斌、楊沐均出自清華姚班，代表著國(guó)內(nèi)第一批最優(yōu)秀的人工智能從業(yè)者。尤其近幾年，曠視技術(shù)團(tuán)隊(duì)更在國(guó)際比賽中成績(jī)不俗。

雷鋒網(wǎng)注：曠視團(tuán)隊(duì)獲得 COCO 2019 三項(xiàng)冠軍

2017 年 ，曠視獲得 MC COCO 挑戰(zhàn)賽物體檢測(cè)、人體關(guān)鍵點(diǎn)檢測(cè)第一名和物體分割的第二名，參賽團(tuán)隊(duì)則是谷歌、Facebook、微軟、卡耐基·梅隆大學(xué)等實(shí)力競(jìng)隊(duì)；2018 年，曠視團(tuán)隊(duì)又包攬了 3 項(xiàng) MC COCO 比賽冠軍和一項(xiàng) Mapillary 比賽冠軍；2019 年，曠視再次在物體檢測(cè)、人體關(guān)鍵點(diǎn)和全景分割三項(xiàng)比賽中獲得冠軍。COCO 三連冠的成績(jī)?cè)趪?guó)內(nèi)史無(wú)前例。

2019 年 4 月，曠視又推出了物體檢測(cè)數(shù)據(jù)集 Objects365，第一批開(kāi)放 63 萬(wàn)張圖像，擁有高達(dá) 1000 萬(wàn)的標(biāo)注框，量級(jí)分別是目前全球最權(quán)威的物體檢測(cè)數(shù)據(jù)集 MS COCO 的 5 倍和 11 倍。

TensorFlow、PyTorch 在開(kāi)發(fā)者中的口碑、影響力或許一時(shí)一刻很難被替代，但若曠視在深度學(xué)習(xí)框架的開(kāi)源上能為后來(lái)者打個(gè)樣，對(duì)國(guó)內(nèi)人工智能產(chǎn)業(yè)界不失為一件值得興奮的事。

雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。