0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

小米要做移動端最牛叉的深度學習框架

電子工程師 ? 來源:未知 ? 作者:李倩 ? 2018-07-03 11:53 ? 次閱讀

小米要做移動端最牛叉的深度學習框架。

—— 小米崔寶秋

北京時間 6 月 28 日,在第十三屆開源中國開源世界高峰論壇上,小米首席架構(gòu)師、人工智能與云平臺副總裁崔寶秋在《小米 AI 時代的開源》的主題演講中,代表小米正式發(fā)布了小米移動端深度學習框架 ——MACE。

以下為演講實錄整理:

尊敬的各位嘉賓、各位朋友、各位同行,大家下午好!我叫崔寶秋,在小米負責人工智能與云平臺,首先非常想感謝陸主席(編者注:中國開源軟件推進聯(lián)盟名譽主席陸首群教授),在開源上為中國做的杰出貢獻,非常榮幸有機會再次跟大家分享開源中國開源世界,我不知道第幾次參加了,幾乎每年都參加,感謝組委會對小米的厚愛。

公司我負責這個團隊,作為個人介紹,尤其在行業(yè)會上,我更愿意介紹自己為一個自由軟件的愛好者、信任者、一個開源軟件的參與者和管理者,到今天一個開源軟件的倡導者。所以今天我想跟大家分享的是——小米在AI時代的開源。過去幾年一直在推小米在大數(shù)據(jù)、云計算方面的開源。今天講講在AI時代,小米怎么擁抱開源。

▌小米和開源有什么關(guān)系?

講起小米,大家會想到小米只是一家智能手機公司,智能手機硬梆梆的和開源有什么關(guān)系?首先我想講,這個認識是完全不對的,小米不僅僅是一家智能手機功能,更多是一家智能設備、互聯(lián)網(wǎng)公司。用雷總的話講,是一家以手機智能硬件和 IoT 平臺為核心的互聯(lián)網(wǎng)公司。

作為一個技術(shù)人員,我更愿意講小米是一家大數(shù)據(jù)公司、一家AI公司。為什么AI在小米如此重要?為什么我們在AI上面投入再多都不為過呢?首先看一下小米有豐富的產(chǎn)品線,我們需要AI賦能,除了手機之外,還有很多智能設備,這些智能設備只是一系列產(chǎn)品線中小的子集。我們需要去看到小米做AI的幾大優(yōu)勢。這是我過去幾年一直講的,小米為什么做AI?做AI的三大優(yōu)勢是什么?

第一有做硬件產(chǎn)品的優(yōu)勢,在中國小米是遙遙領先的,在世界也非??壳?。小米可以做一款非常精致漂亮性價比非常高的手機,可以做一系列有小米設計風格的一系列生態(tài)產(chǎn)品,很多產(chǎn)品都成為爆品,輕松的上千萬量級,說明小米在硬件上的優(yōu)勢,很多公司苦于落地,小米不用擔心。

第二是小米真正大數(shù)據(jù)的優(yōu)勢,這是我過去幾年一直在推的,從云計算到大數(shù)據(jù),各種各樣的,手機上可以帶來很多數(shù)據(jù),各種各樣的數(shù)據(jù),全生態(tài)多樣性的數(shù)據(jù)。加上IOT各種設備,小米有了數(shù)據(jù),才可以讓更多功能變得智能,各種設備變成真正的智能設備。

第三大優(yōu)勢就是小米投入AI再多都不為過的理由,就是我們有豐富的產(chǎn)品線,不僅帶來技術(shù)落地很多面、很的點,更帶來智能場景的創(chuàng)新機會。

所以2016年底,我們已經(jīng)把AI,作為小米未來核心戰(zhàn)略的重要組成部分,作為未來十年、甚至二十年的核心戰(zhàn)略。隨著AI的投入,我們推出的第一款產(chǎn)品戰(zhàn)略級的AI產(chǎn)品就是AI音箱,背后就是大家非常熟悉的小愛同學,小愛同學不僅僅只是音箱上的智能語音交互平臺,也不是電視上的智能語音交互平臺,它將成為小米圍繞手機和IoT生態(tài)龐大生態(tài)的控制中心。

它的背后,我把它稱之為智聯(lián)萬物的AI虛擬助理,后面有很多黑科技。小愛同學背后的黑科技,最近剛被評為十大黑科技之一。這些后面都需要很強的技術(shù)支撐,現(xiàn)在大家就可以慢慢聯(lián)想到,為什么開源對小米如此重要。

過去幾年我的團隊在技術(shù)發(fā)展路線,就是從C到B到A,這個我在很多場合都講過,從云計算到大數(shù)據(jù)到A,前面聯(lián)想的同事講了很多C和B,也有一些A,但開源講到技術(shù)就不得不講到開源。

六年前我加入小米,我在講我們必須擁抱開源,雷總也非??粗虚_源,他曾經(jīng)講過任何一家創(chuàng)業(yè)公司,如果不擁抱開源,就直接會輸在起跑線上。過去幾年,我的團隊和周邊我的兄弟部門都在擁抱開源,我們把擁抱開源,打造成小米工程文化的重要組成部分,為什么選擇開源?這個大家都是行業(yè)中的,我不用多講了。

幾年前我參加開源世界大會,我講過一些觀點,站在巨人肩膀上,很多尤其大數(shù)據(jù)、云計算方面的開源系統(tǒng),開源軟件已經(jīng)成了行業(yè)中的事實標準,開源可以提高代碼質(zhì)量,提高工程師的素質(zhì),可以帶來很多人才庫,也可以吸引人才。這些只是開源好處的比較實用主義的一個方面。

六年前我加入小米,就制定了小米開源戰(zhàn)略的五個方面,今天為止回頭看還不過時。

第一個就是快,快速選型、快速融入社區(qū)、快速反饋,快是小米模式的重要組成部分;

第二個不重造輪子;

第三個不用則已,要用則精,很多公司只用不精,不能真正駕馭;

第四點就是公司的態(tài)度——永遠擁抱開放和共享的態(tài)度,第四點也是與其他公司不同的。

當然六年后的今天,中國很多企業(yè)都在擁抱第五條——在重大的軟件項目上、開源軟件項目上,要贏得話語權(quán)、為社區(qū)做貢獻,就得降低自己封閉的維護成本,這個和第三條也是息息相關(guān)的,不用則已,要用則精。

所以在云計算時代,剛才聯(lián)想的同志也講了,我也不用多講,這些毋庸置疑,每家互聯(lián)網(wǎng)公司跟云計算、跟互聯(lián)網(wǎng)服務有一點點關(guān)系的公司都離不開開源。

小米在這方面做了比較有代表性的成功的案例,就是在HBase的貢獻參與和從零打造。過去兩年,這個項目的負責人,在幾個場合兩三次跟我講,感謝你們小米對HBase的貢獻,你們團隊是最強的團隊,當然他有部分恭維的因素。我把這些話,當成他對我們小米團隊在HBase貢獻上的肯定。

▌回到AI時代,小米要做什么?怎么做?

回到AI時代,小米要做什么?怎么做?回頭看我們過去幾年團隊圍繞AI、圍繞云計算、大數(shù)據(jù)積累了一些基礎的能力。我們說今天AI的新的春天到來了,背后是因為深度學習。但是四年前、五年前,跟同志們講不要忘了大數(shù)據(jù)。今天大家知道大數(shù)據(jù)在AI中扮演的角色。深度學習、大數(shù)據(jù)、云計算,是新的AI時代離不開的底層技術(shù),這些都有開源技術(shù)的存在。往上一層一層疊加,從感知到應用到開放平臺,我們公司所有的跟這些相關(guān)的技術(shù),都離不開開源。

曾經(jīng)我有些擔心,因為C和B、云計算和大數(shù)據(jù)開源軟件不缺,在AI時代,幾年前我有點擔心,但是今天我不再擔心,為什么?AI巨頭在紛紛的擁抱開源,我在硅谷跟Facebook、跟谷歌負責AI的團隊帶頭人、科學家深度交流,他們的答案可能不同,但是我看到一點是共通的,他們要開放開源,快速地打造自己的社區(qū),建立自己在某個領域的競爭優(yōu)勢和領先性。光這一點,就可以讓我樂觀的估計,開源在AI領域持續(xù)會火。

2016年AlphaGo激發(fā)了人們對深度學習的新一代AI技術(shù)的熱情,每家公司都在深度地擁抱AI,AI優(yōu)先。我們做了什么?繼續(xù)擁抱開源,我們很快推出小米自己的深度學習云服務、小米Cloud-ML。

我們用這個做公司內(nèi)部的人工智能競賽,一方面造福了各個業(yè)務,一方面打造了云服務的能力。我們支持了幾乎所有開源的深度學習框架,這些都是服務端的、云端的AI能力、模型訓練能力、推算能力。夠還是不夠,大家都知道。云上的智能和端上的智能是不同的,是需要相輔相成的,端上我們做什么?

今天我非常高興、也非常自豪地代表我們團隊小米人工智能與云平臺團隊,也代表小米公司,正式在這個場合,宣布一個新的開源項目,過去在云計算、大數(shù)據(jù)方面開放了開源,自研了很多產(chǎn)品。

▌小米移動端深度學習框架 —— MACE

今天我要宣布的關(guān)于AI的開源項目是什么?MACE,移動端深度學習框架,不知道大家對這個有沒有感覺。月初過去印度,拜訪了很多印度家庭,看到印度摔跤教練,在家里面看到這么一個武器,名字就叫MACE,我說好巧,跟我們開源項目一模一樣的名字。

移動端深入學習框架,是干什么的?大家都知道,我剛才講了小米是一家智能設備公司,很多都是2C的個人設備包括手機,很多推理、很多人工智能的推測能力、推理能力、預測能力,都需要在端上要做,那么在端上怎么做,怎么做得快?這里面可能學問就大了,或者難度就大了,MACE就起這些作用。

內(nèi)部我們?nèi)ツ甑?017年12月15號,就已經(jīng)上線了發(fā)布了這款產(chǎn)品,我們支持異構(gòu)的計算加速,支持TensorFlow、支持高通、MTK、澎湃等芯片。我們希望能打造成業(yè)界最好的移動端深度學習框架。

為什么我們要做這款開源項目?我在公司制定開源戰(zhàn)略,講了很多不重造輪子,用市面上有的,開源社區(qū)有的,我們當時環(huán)顧四周,滿足我們需求的真心沒有,所以我們要做。

繼續(xù)擁抱開源的第四大戰(zhàn)略,永遠擁抱開放與共享的態(tài)度,比較一下當時開源的框架有什么不足,為什么我們必須要自己做呢?

大家看一下TensorFlow Lite,一比較MACE的優(yōu)勢就出來了。我們再看非開源的,我們跟高通有緊密合作關(guān)系,他們自己提供的深度學習框架,很大程度上滿足不了我們的需求。

再比較一下,難易慢快,支持不支持,卡頓不卡頓,也是我們要自己開發(fā)MACE的一個理由。

▌為什么要開發(fā)MACE?

1、AI單攝背景虛化

MACE在小米移動端設備上得到廣泛的應用,大家用小米手機或者對小米感興趣的人可能知道,我們最近發(fā)布了幾款產(chǎn)品都在打造AI像機,用MACE差別大了,用了MACE可以只用1/3的內(nèi)存,只用原來其他的深度學習框架的1/5的時間充實化時間。

2、智能識別,實時優(yōu)化。

第二個應用場景是智能識別,AI相機智能識別,我們要花5倍的時間,用MACE一樣節(jié)省大量的時間。

3、圖片超分辨率。

一個很低分辨率幾百乘幾百像素的照片,可以還原成高分辨率相片,沒有MACE的用戶就沒法用,滑動的時候會特別慢。用了這個以后,我們把計算細膩度的分化,再加上智能的調(diào)度,同時和用戶的交互并行,讓用戶的交互不用任何場景,所以沒有MACE根本不可能。

4、圖片風格化。

如果不用MACE,風格化一張照片,需要秒級,一秒兩秒。用了MACE,我們可以幾乎做到實時,幾百毫秒。

隨著MACE的發(fā)布,我們同時也發(fā)布了一些MACE的Mode 1Zoo,我們會把一些模型開源出去,這就是開源的魅力。我呼吁一下,我們希望一起和中國開源貢獻者,打造業(yè)界最牛的移動端深度學習框架。

我們今天剛剛開源,受到很多開發(fā)者的好評,但是大家有意見跟我們提,有bug跟我們提,大家一起來打造。

這是最后一張PPT,小米最新的愿景,就是始終堅持做感動人心,價格厚道的好產(chǎn)品,讓全球每個人都能享受科技帶來的美好生活。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 智能語音
    +關(guān)注

    關(guān)注

    10

    文章

    785

    瀏覽量

    48780
  • 小米
    +關(guān)注

    關(guān)注

    70

    文章

    14359

    瀏覽量

    144263
  • 深度學習
    +關(guān)注

    關(guān)注

    73

    文章

    5503

    瀏覽量

    121206

原文標題:小米立Flag:要做年輕人的第一個深度學習框架

文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    NPU在深度學習中的應用

    隨著人工智能技術(shù)的飛速發(fā)展,深度學習作為其核心驅(qū)動力之一,已經(jīng)在眾多領域展現(xiàn)出了巨大的潛力和價值。NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡處理單元)是專門為深度學習
    的頭像 發(fā)表于 11-14 15:17 ?606次閱讀

    GPU深度學習應用案例

    GPU在深度學習中的應用廣泛且重要,以下是一些GPU深度學習應用案例: 一、圖像識別 圖像識別是深度學習
    的頭像 發(fā)表于 10-27 11:13 ?399次閱讀

    AI大模型與深度學習的關(guān)系

    AI大模型與深度學習之間存在著密不可分的關(guān)系,它們互為促進,相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學習是AI大模型的基礎 技術(shù)支撐 :深度
    的頭像 發(fā)表于 10-23 15:25 ?784次閱讀

    NVIDIA推出全新深度學習框架fVDB

    在 SIGGRAPH 上推出的全新深度學習框架可用于打造自動駕駛汽車、氣候科學和智慧城市的 AI 就緒型虛擬表示。
    的頭像 發(fā)表于 08-01 14:31 ?618次閱讀

    PyTorch深度學習開發(fā)環(huán)境搭建指南

    PyTorch作為一種流行的深度學習框架,其開發(fā)環(huán)境的搭建對于深度學習研究者和開發(fā)者來說至關(guān)重要。在Windows操作系統(tǒng)上搭建PyTorc
    的頭像 發(fā)表于 07-16 18:29 ?1073次閱讀

    深度學習中的時間序列分類方法

    時間序列分類(Time Series Classification, TSC)是機器學習深度學習領域的重要任務之一,廣泛應用于人體活動識別、系統(tǒng)監(jiān)測、金融預測、醫(yī)療診斷等多個領域。隨著深度
    的頭像 發(fā)表于 07-09 15:54 ?954次閱讀

    深度學習與nlp的區(qū)別在哪

    深度學習和自然語言處理(NLP)是計算機科學領域中兩個非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學習與NLP的區(qū)別。 深度
    的頭像 發(fā)表于 07-05 09:47 ?943次閱讀

    深度學習常用的Python庫

    深度學習常用的Python庫,包括核心庫、可視化工具、深度學習框架、自然語言處理庫以及數(shù)據(jù)抓取庫等,并詳細分析它們的功能和優(yōu)勢。
    的頭像 發(fā)表于 07-03 16:04 ?657次閱讀

    TensorFlow與PyTorch深度學習框架的比較與選擇

    深度學習作為人工智能領域的一個重要分支,在過去十年中取得了顯著的進展。在構(gòu)建和訓練深度學習模型的過程中,深度
    的頭像 發(fā)表于 07-02 14:04 ?976次閱讀

    深度學習與傳統(tǒng)機器學習的對比

    在人工智能的浪潮中,機器學習深度學習無疑是兩大核心驅(qū)動力。它們各自以其獨特的方式推動著技術(shù)的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于機器學習的范疇,但
    的頭像 發(fā)表于 07-01 11:40 ?1406次閱讀

    深度解析深度學習下的語義SLAM

    隨著深度學習技術(shù)的興起,計算機視覺的許多傳統(tǒng)領域都取得了突破性進展,例如目標的檢測、識別和分類等領域。近年來,研究人員開始在視覺SLAM算法中引入深度學習技術(shù),使得
    發(fā)表于 04-23 17:18 ?1299次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學習</b>下的語義SLAM

    FPGA在深度學習應用中或?qū)⑷〈鶪PU

    將 AI 框架模型映射到硬件架構(gòu)。 Larzul 的公司 Mipsology 希望通過 Zebra 來彌合這一差距。Zebra 是一種軟件平臺,開發(fā)者可以輕松地將深度學習代碼移植到 FPGA 硬件上
    發(fā)表于 03-21 15:19

    為什么深度學習的效果更好?

    導讀深度學習是機器學習的一個子集,已成為人工智能領域的一項變革性技術(shù),在從計算機視覺、自然語言處理到自動駕駛汽車等廣泛的應用中取得了顯著的成功。深度
    的頭像 發(fā)表于 03-09 08:26 ?630次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的效果更好?

    什么是深度學習?機器學習深度學習的主要差異

    2016年AlphaGo 擊敗韓國圍棋冠軍李世石,在媒體報道中,曾多次提及“深度學習”這個概念。
    的頭像 發(fā)表于 01-15 10:31 ?1084次閱讀
    什么是<b class='flag-5'>深度</b><b class='flag-5'>學習</b>?機器<b class='flag-5'>學習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的主要差異

    PatchMatch MVS求解器中深度估計的挑戰(zhàn)性問題

    本文提出了一種全新的學習型PatchMatch MVS框架,DS-PMNet,并嵌入了DeformSampler。這個框架能夠以的方式
    的頭像 發(fā)表于 01-02 09:25 ?623次閱讀
    PatchMatch MVS求解器中<b class='flag-5'>深度</b>估計的挑戰(zhàn)性問題