被平台黑了不能出款怎么办 全年被女友拉黑360+次？或许只有AI能拯救你！
专业出黑
这是Han的第57篇原创文章
Hi，这里是Han。
有读者说：你太久没聊技术了。好的，今天我就硬核起来，讲讲AI技术框架吧。
不过，咱也得解决个实际问题。
我好多哥们儿经常抱怨，总惹妹子生气，然后就被拉黑，真是崩溃。
今天，咱就来开个脑洞，看看AI可以怎么拯救你吧！
本周，深度学习框架，AI框架国货之光，上新了！
在2019 Wave ，也是中国首个深度学习开发者峰会上，百度对旗下的框架进行了全面升级和功能发布。
先说深度学习框架，具体有什么意义呢？我觉得，对于开发者而言，最核心一点就是：省事。
你不用再重复造轮子了。比如，最基本的，你不用手写CUDA就可以在GPU上跑，也不用自己手算复杂的梯度了。
而产业发展到今天，框架更像是一个武器，AI工程师们作为战士，可以随意使用，而且力量强大，可以帮你完成从底层的硬件计算，到跨服务器并行计算等复杂操作。
说起流行的深度学习框架，因为我在硅谷，自然总是听到, 和 这些名字，而则是中国目前最成熟甚至是唯一真正意义上的深度学习框架。
的定位，一直是服务产业实践，很多框架功能的研发，都是为了切实的应用而考虑的。
在本次更新后，它的功能可算是涵盖了一个AI产品，从0到1再到n的各个阶段。按照官方说法，是涵盖了从开发、训练到部署、预测的每一个环节。
以下，就是本次公布的全景图。
那么，本次都有哪些更新呢？
我觉得，光说技术就有点就干，为了让你更能看懂，今天，我就用一个虚拟的案例，来带你了解一下吧。
01.
女友老生气？用AI来预测心情呀
相信，很多哥们都有一个困扰：“额，女朋友怎么又生气了… ”尤其是，表面看起来明明是生气了，可是嘴上却说不生气。
这就让你很苦恼。
于是，你有了一个想法，能不能创建一个AI模型，来预测女友心情呢？来看看今天会不会生气之类的。
这样一来，你就可以提前做好准备了呀。
没问题，说干就干。
咱们今天就来看看，能不能完成你的所有需求呢。
基本功能而言，提供了一套Fluid API，可以让你非常方便地，从0到1快速搭建起一个AI模型。
这里只需要三步。
首先，你需要一些数据。
因为是刚开始做嘛，你决定就用少量的几个特征，主要就是之前女友的生气历史数据。
总结起来，特征数据可能是下面这样的。
Fluid当然和其他框架一样，提供很简单的API，只要1行，你就能非常方便地，导入自定义数据集。
第二步，你需要构建这个模型的网络结构。
额，这一步可就有点难度了。
有的读者可能不知道，AI的模型，说白了，是一个神经网络的层级结构。搭建起这结构来说，还是有点复杂的，有时候甚至是一个玄学，跟老中医似的，需要很多经验的积累。
毕竟，当我第一次听到 “3*3可以拆成1*3和3*1”的时候，我是这样的：？？？
这次，居然推出了: ，它可以把网络结构的设计，完全自动化。
在这个系统内，它设计了两个组件：生成器和评估器。在背后，利用 ，评估器就可以不断评估生成器构造出的网络结构，直到整个系统得到最优解。
细心的你，肯定已经发现了，哦？需要用强化学习啊？那库支持吗？
没错，所以它需要配合的深度强化学习框架PARL一起使用。在本次更新中，也有更多新的算法被加入到PARL中， 比如A2C和等等。
好了，借助 ，第二步的模型结构设计也结束啦，那剩下的第三步，就是直接开始训练数据吧。
在自己的笔记本上跑模型，真实非常简单，只需要选择一个运算地点（CPU/GPU），然后只用一行，就可以开始训练了，像下面这样。
02.
结果不准？你需要站在巨人的肩膀上
在有了上面那个最原始的模型之后，你试了几次，发现预测并不准确啊。预测女友会生气，结果你提心吊胆了一天，结果你发现女友居然到家时超级开心。
于是，经过你的细心观察，你发现了一些蛛丝马迹。
比如，她如果穿了某件套装，并且画上了超级复杂精致的妆容，似乎今天的心情就会不错。可是，如果她没洗头，那就很有可能心情不好。
再比如，你们有时候总是微信聊着天，不知道怎么着，可能你哪句话说错了，她就发火了。
你恍然大悟，原来女朋友的妆容，还有你和女友的对话，和她发是否发火，有着很深的联系。
于是，你决定给自己的模型加入更多的复杂特征！
可是，如果要识别女友的妆容，就需要机器视觉算法，如果想要分析聊天**，那还需要自然语言处理的技术啊！
这也太复杂了吧。
不怕，本次升级，全新提供了工业化级别的NLP更多算法模型库，并首次开源了视频相关的CV算法模型库。
NLP方面，提供的功能，不仅有基础的语义匹配、序列标注等基础能力，它更是提供了各种应用层任务，并且还都提供工业级的高质量。
比如，文本情感分析、对话模型、知识驱动对话统统支持。甚至，还支持机器翻译，这样一来，就算你的女友突然跟你说英文，模型都可以完美应对。
视觉方面，本次全新发布CV库，支持种类齐全的视频识别模型算法，无论是主流实用的序列建模算法，还是端到端的视频识别模型，都有支持。
这样来看，只要你把家里防盗摄像头的视频数据导入模型，系统瞬间就可以打上标签，比如：她今天YSL口红色号是什么，她穿的商务套装还是休闲装，她出门后3秒的表情是微笑还是皱眉，等等。
你现在可能有个疑问，提供预设的模型虽然好，可是要自己修改和使用，肯定也要费不少劲儿吧。
可不一定哦，本次还全新推出了 Hub工具，让你可以用10行代码完成对于一个现成模型的迁移学习。
是一个简单好用的命令行工具，它的背后，提供有大量的工业级模型，而且可能都是万级别GPU小时得到的高质量模型呢。
站在巨人的肩膀上，你只需要再提供一些自己独特的训练数据，进行一些特定情境下的细微调整，就可以得到一个效果很不错的模型了！这就是所谓的： + Fine-的AI应用开发模式。
03.
兄弟们也想用？App版本发布
在接入了工业级预设模型并进行了微调之后，你模型的准确度已经很好了！几乎可以准确预测女友的心情变化，简直拯救你于水火。
这个时候，你身边的兄弟们也都想使用。于是，你发现了新的机会：诶，做一个App吧！
你决定创业，制作一个移动端App，把AI模型以具体App产品的形式，发布出去。
这个时候，你开始遇到越来越多的实际问题，比如移动端和服务器端怎么连接，数据怎么回传，怎么保证服务的稳定性，等等。
以及，因为有越来越多哥们的真实数据进入，你需要不断地训练新的模型，以适应新的女友的情绪变动。
有些时候，你还需要做模型的AB在线测试，以此挑选比较好的模型，之后还要对新的模型进行热更新上线。
这真是太复杂了…
别怕，本次全新发布了 功能，可以完美解决上述问题。 具有完备的在线服务能力，并且内置成熟的服务模型支持。
再之后，你的用户越来越多，有的用户提出需求：希望能在网络环境不好的情况下，也能使用这款App，毕竟女友的心情随时可能会变化，而且很多山区的哥们也都很需要这款产品呀。
可是，这款模型越来越大，不太适合直接发布出去了，这可怎么办。
对此，本次上线了全新模型压缩工具库，并且完整支持剪枝、量化和蒸馏三大压缩策略。在保证精度几乎不变的情况下，可以让模型大小减少70%。
更重要的是，压缩操作完全自动，你只需要两行代码，就可以自由调用了，非常方便。
04.
好吧，用户多到撑不住了…
你的App实在是太火了，毕竟是戳中了无数直男们的痛点，每天都有大量的新用户数据涌入，你的训练数据每天在持续不断的扩大。
而且，由于“女孩们的心思你别猜”定律，你的模型要非常快速的更新才行，否则App很可能会失去效果。
在海量数据面前，这简直就是一个天大的难题。这可怎么办？
在本次更新中，对此进行了专门的功能升级。
首先，咱们都知道一台机器速度不够，那咱们就多用几个呗。这就是所谓的分布式训练了。
本次全面升级了分布式训练功能，完全支持多机多卡，给出了解决超大规模工业级并行深度学习问题的方案。
另一方面，你发现，用户提交的特征越来越多，也越来越详细，比如：“男生上一次打篮球且输了3分的时间”，“女生上一次吃火锅并且吃了冻豆腐”等等。也正是由于太详细了，很多时候这个特征只有很少的一部分用户会有。
于是，你又遇到了一个难题：大规模稀疏特征。对于此，本次全新发布大规模稀疏参数服务器，以此，系统性地解决了相关问题。
最后，推理引擎本身性能的提升，也能提高整体运算的速度。本次也同步更新了底层的高速推理引擎，推理速度大幅提升。
终
以上，我就已经把本次发布的新功能都介绍给你了。
在大会上，百度深度学习技术平台部总监马艳军说，出身于产业，超大规模数据处理能力高，场景和实际应用更贴合，更为实用。
这就是所谓的“源于产业实践的开源深度学习平台”的精神内核吧。
哦，对了。
在故事的最后，你解决了所有这些最困难的问题，你预测女友心情的App终于取得了巨大成功。
你，走上了人生巅峰…
感谢收看本期节目
