0
開源越來越被證明為大勢所向。雷鋒網獲悉，近日，國內計算機視覺企業曠視傳出，最快將在 3 月底開源其基于計算平臺 Brain++ 的深度學習框架 MegEngine 。屆時，復工、開學的企業、學生開發者們也將獲得更多選擇。
曠視CEO 印奇曾公開表示：“深度學習是曠視的核心競爭力，也是支撐人工智能革命的關鍵。”其在深度學習中的重要驅動便是 Brain++ 。
2019 年的世界互聯網大會上，曠視在入選“國家新一代圖像感知人工智能開放創新平臺”的同時，發布了端到端的人工智能算法平臺 Brain++，后者集成了數據管理、自動化算法研發和算力調度能力，其架構主要包括三部分：作為主體的深度學習算法開發框架 MegEngine ，提供算力支持的 MegCompute，提供數據支持的 MegData 。
今年已經成立近 10 個年頭的曠視一直聚焦計算機視覺，因此，和目前通用的深度學習框架相比，MegEngine 更垂直于計算機視覺應用，加上近幾年公司在物聯網產業不斷提速的商業落地，從眾多業務場景中獲取的數據能力也給予了 MegEngine 更扎實的應用能力。而開源也意味著，作為視覺領域的頭部級公司，曠視已經在建設自己的開發者生態上做足了準備。
2012 年后，深度學習的發展帶動人工智能進入拐點，前者擁有高于傳統機器學習十倍、百倍的神經網絡參數，在人工智能最先落地的語音識別、圖像識別領域，深度學習都是不可或缺的重要工具。商業落地中的數據反哺，也帶動了算力、框架上的不斷升級。開發者口中通用的深度學習開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。
在國內，業內的共識近幾年不斷被強化，即人工智能給了中國企業、產業彎道超車的機會，但如果在人工智能發展中重要的深度學習中一直處于被動，前者的概率也將被大大壓縮。
而除去開發工具的語言問題，安全性、適用性等需求也在倒逼中國企業在深度學習框架上建立自己的領地，國內頭部企業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，開源了自研深度學習平臺 PaddlePaddle；2018 年 10 月，華為發布了自研深度學習框架 MindSpore ，雖然沒有官宣，但關于其開源的消息已經出現不少雨點。
有頭部公司的示范效應，起家于AI 的曠視，相比大廠在AI 人才、數據、算法上有更深的積淀，要在開源上出一份力也不足為奇。鑒于開源在企業人才貢獻、代碼維護、企業文化、技術影響力等方面的正面效應，勢必也將有越來越多的互聯網和科技企業加入中國開源生態的建設中來。
歷經近6年的打磨，MegEngine 的框架一直緊跟曠視的應用場景調整升級，尤其針對國內需求，相比 TensorFlow、PyTorch 適用性更加突出。
整體上，Brain++ 可針對視覺任務定制化優化，更好滿足大量圖像及視頻訓練，完成圖像分類、物體檢測、物體場景分割、影像分析等復雜的視覺任務。
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，將深度神經網絡設計、參數調整及設備適配等過程自動化，提高開發效率，同時可智能調度平臺硬件基礎設施的計算能力，支持數百名研究人員同時在數萬個 GPU 芯片上執行從數百到數千個訓練任務。
曠視從 2014 年開始，內部成立了“Engine”小組自研深度學習框架，經過5年多的打磨和實踐，MegEngine 已經逐漸成為支撐其算法研究開發的底層平臺，并在曠視實現全員使用。近幾年，曠視的計算機視覺技術在智慧城市、智慧物流、智慧零售中的落地逐漸加快，其算力及深度學習框架也在海量數據的補給中更加茁壯。
據了解，MegEngine 基于C++開發，可幫助用戶借助編程語言進行高性能的運算執行。同時曠視在框架內部，使用了目前流行的計算圖方式，但是和其他框架不同，MegEngine 使用的是異構架構，方便使用框架進行分布式計算。
此外，MegEngine 內部的計算以算子的形式進行，它支持多種算子節點和變量算子，包括常用的卷積、全連接、ReLU 和用戶可定制的算子，甚至可以計算二階梯度，從而進行更多底層和靈活的運算。
可以說，MegEngine 在盡全力提升深度學習計算性能的基礎上，為用戶提供了靈活易用的模型構建工具，極大地提升了開發效率。相比于很多深度學習開源框架，MegEngine 的特點也非常明顯：
首先在運算速度上，曠視 MegEngine 具備高性能計算核心，動態靜態結合的內存優化機制運算速度更快，且占用更少的內存資源；其次在易用性上，MegEngine 封裝了平臺細節，且接口兼容 PyTorch，新人用戶可快速上手；最后，MegEngine 還支持多種硬件平臺和異構計算，整個框架既可用于訓練又同時支持推理，實現模型一次訓練，多設備部署，能夠免除了不必要的轉換流程導致的性能下降和精度損失。
除以上性能，MegEngine 據稱也為 IoT 和視覺任務進行了特別的優化，廣泛支持各種芯片。通過領先的量化計算支持，其可以通過統一量化模型來支持多種設備，同時支持低于8bit 的網絡推理。
深度學習框架對于人工智能發展的推動作用自是不言而喻，但框架安裝、部署、上手使用一直是難點，要針對不同硬件、模型、內存做調試。而 MegEngine 做了相應的自動化和封裝，使得門檻大大降低，初級開發者也能掌握。正如深度學習框架降低了 AI 的門檻，MegEngine 又進一步降低了框架本身的部署、使用門檻。
曠視是趕上深度學習興起的第一批科技新創企業，三位創始人印奇、唐文斌、楊沐均出自清華姚班，代表著國內第一批最優秀的人工智能從業者。尤其近幾年，曠視技術團隊更在國際比賽中成績不俗。
雷鋒網注：曠視團隊獲得 COCO 2019 三項冠軍
2017 年 ，曠視獲得 MC COCO 挑戰賽物體檢測、人體關鍵點檢測第一名和物體分割的第二名，參賽團隊則是谷歌、Facebook、微軟、卡耐基·梅隆大學等實力競隊；2018 年，曠視團隊又包攬了 3 項 MC COCO 比賽冠軍和一項 Mapillary 比賽冠軍；2019 年，曠視再次在物體檢測、人體關鍵點和全景分割三項比賽中獲得冠軍。COCO 三連冠的成績在國內史無前例。
2019 年 4 月，曠視又推出了物體檢測數據集 Objects365，第一批開放 63 萬張圖像，擁有高達 1000 萬的標注框，量級分別是目前全球最權威的物體檢測數據集 MS COCO 的 5 倍和 11 倍。
TensorFlow、PyTorch 在開發者中的口碑、影響力或許一時一刻很難被替代，但若曠視在深度學習框架的開源上能為后來者打個樣，對國內人工智能產業界不失為一件值得興奮的事。
雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
