开发训练部署全流程提速，百度飞桨就为让深度学习开发者省时省力( 二 ) 百度首席技术官、深度学习

(图：飞桨发布量子机器学习开发工具PaddleQuantum量桨)

通过量桨，开发者不仅可以轻松搭建简洁的量子神经网络，还可以根据丰富的量子机器学习案例一步步组建所需模型。此外，由于飞桨已系统地扩展了包括复数变量、复数矩阵乘法在内的多项底层功能，因此量桨可完美地支持量子电路模型，也支持通用量子计算相关的研究，具有极好的通用性以及拓展性。简单来讲，量桨的量子机器学习开发工具包括：量子开发工具集，量子化学库，以及一系列优化工具。与此同时，量桨还提供了量子机器学习、量子化学模拟以及量子组合优化这三大核心量子应用。除此之外，联邦学习、强化学习、图神经网络等前沿技术也再次升级，为开发者提供强大的前沿开发工具组件，有力支持更多开发需求。

从开发、训练到部署，飞桨开源深度学习平台为开发者带来开发全流程体验的提升。在开发方面，除了提升动态图和高层API的能力外，飞桨还在图像和语音领域新增3个端到端开发套件。其中，在图像领域发布了工业级图像分类开发套件PaddleClas ，其深度优化的ResNet50_vd识别准确率可达82.4%;以及可实现“千万级类别规模”分类，并提供模型并行、自动混合精度训练的PLSC套件。目标检测开发套件PaddleDetection也在模型数量、精度、速度和产业应用能力方面进行了全面升级。同时，还在语音领域全新推出具有“快、轻、简”优势的语音合成Parakeet开发套件。由于“端到端的开发套件”具有极易部署的重大优势，不仅可用于服务端的集成或服务化部署，并且其推理计算还能在移动端与边缘设备上进行部署，所以一直以来被各行各业的企业开发者在“智能化”升级时所喜爱。

----开发训练部署全流程提速，百度飞桨就为让深度学习开发者省时省力//----

(图：飞桨开源深度学习平台全面升级)

持续升级的还有自然语言理解(NLP)端到端开发套件ERNIE 。 ERNIE通过在通用基础模型上借助领域数据进一步构建弱监督任务，并进行持续学习，从而生成了多个“领域模型” ，如法律领域、医疗领域等，可对专业内容进行理解。而将这些领域模型用于有监督的任务场景，即可得到各个领域的应用模型。截止目前， ERNIE面向产业应用，已形成包含有通用模型、任务模型、轻量级模型，以及领域模型的NLP预训练模型集。

训练方面，新增自动混合精度训练能力，一行代码就可以实现训练速度提升两倍;通过重计算机制降低显存占用，训练极深模型又好又省;扩展了模型并行、弹性训练等大规模分布式训练能力，更好满足超大规模数据场景的开发者需求。此外，还全新发布PaddleCloud云上任务提交工具，可快速匹配云上资源，提供云端训练资源。

而部署层面来讲，飞桨提供多平台、多场景、高性能的整体部署方案。此次除了持续夯实模型压缩PaddleSlim、原生推理引擎PaddleInference、在线部署框架PaddleServing、轻量化预测引擎PaddleLite等端到端部署核心能力，还全新发布国内首个开源JavaScript深度学习前端推理引擎Paddle.js ，用于小程序、网页端部署。会上，飞桨联合全球领先硬件厂商英特尔、英伟达、arm中国、华为、MediaTek、寒武纪、浪潮、中科曙光等启动共建硬件生态合作圈，强强联手，合力推动AI更快速的发展与落地。