在各類AI大會里，英偉達每年兩次的GTC大會可謂頗有名頭。這當然不僅僅是因為英偉達的GPU產品在AI產業有著舉足輕重的地位，也是因為GTC大會連續多年帶來的技術熱點、行業洞見和指導培訓，讓開發者得到了切實的幫助。
而自去年蘇州闊別一年后，NVIDIA GTC 2020終于回到了我們的身邊。此次GTC 2020采用了線上直播的形式，而內容卻不會因為形式的改變而有絲毫的改變。一樣的精彩紛呈，一樣的干貨與技術并重，在去年便貢獻了精彩內容的百度飛槳，今年帶著四場演講回來了。
飛槳以百度多年的深度學習技術研究和業務應用為基礎，集深度學習核心框架、基礎模型庫、端到端開發套件、工具組件和服務平臺于一體，是全面開源開放、技術領先、功能完備的產業級深度學習平臺。去年GTC，飛槳 (PaddlePaddle)秉持技術實踐與理論知識并行的理念，為開發者帶來了一場收獲滿滿的技術公開課。
今年，飛槳在GTC 2020上帶來的四場演講也是誠意十足，內容覆蓋了飛槳推理引擎、大規模分布式訓練、EasyDL零門檻高精度AI服務定制、機器學習開發環境BML CodeLab等諸多內容。四場演講將會在GTC 2020輪番上陣，讓我們來看一下吧！
演講一、飛槳推理引擎性能優化
12月15日下午17：00的GTC 2020《深度學習平臺及應用》分論壇上，百度資深研發工程師商智洲將會為我們率先帶來飛槳推理引擎性能優化的演講。
此次演講將介紹飛槳原生推理引擎Paddle Inference，以及該引擎中針對GPU推理做的優化工作。飛槳推理引擎是飛槳模型推理部署的重要基礎，已在百度內部各核心業務線和眾多ToB交付的AI服務中經過充分驗證。我們首先介紹飛槳推理引擎針對GPU推理所做的通用優化措施，如OP融合、顯存復用、TensorRT 集成、混合精度推理等；同時會以文心（ERNIE）模型的推理優化為例來說明針對特定模型的推理優化方法及效果。
此次演講內容將會以深度學習推理技術的優化和部署為主，在活動進行的同時，飛槳講師將會與參會者在線互動，為聽眾們答疑解惑。
演講二、大規模分布式訓練進展與應用
12月17日《云計算和消費者互聯網》分論壇中，百度主任研發架構師董大祥，將為大家揭秘飛槳框架大規模分布式訓練進展與應用的秘密。此次演講主題將會圍繞飛槳框架的大規模訓練與應用展開，介紹大規模分布式訓練的功能、性能、以及在產業中的實踐。當前飛槳框架2.0RC版本已經release并邀請廣大用戶試用。
演講三、用EasyDL零門檻定制高精度AI服務
12月15日《深度學習平臺及應用》分論壇上，百度資深研發工程師胡鳴人，百度高級研發工程師劉杰，兩位老師將會攜手為大家講述高精度AI服務的打造。
此次演講將會從實際需求背景出發，介紹EasyDL產品和核心技術特性；介紹EasyDL效果優化的各項實現以及NVIDIA GPU與EasyDL的結合帶來的優化；演講最后還將解析基于GPU進行EasyDL模型部署和實操。
這一課程會更加注重內容的細粒度，基于深度學習技術用例和成功案例，為參會者從0開始講解如何實現優化和部署，讓每個人都有機會接觸并掌握相關技術知識。
演講四、面向機器學習的開發環境BML CodeLab介紹
在12月15日的《GPU開發與工具》分論壇中，百度AI 開發平臺總架構師馬如悅將會為開發者分享面向機器學習的開發環境BML CodeLab介紹。
此次演講將會圍繞開發環境BML CodeLab展開，幫助開發者實現零門檻機器學習開發。演講的內容主要分為三個部分：
1. 交互開發環境BML CodeLab的背景和特色，并快速入安裝和使用。BML CodeLab基于JupyterLab改進優化，可靈活部署到開發者本地單機、IDC 機器、云上托管資源等。在性能上做了高度優化，新增眾多企業級特征，并在單機資源受限時無縫擴展到云上集群。
2. 高性能數據科學引擎的原理，用于提升分析建模速度。利用GPU和CPU眾核并行加速及混合計算、超大數據處理、高效數據存儲等技術，讓數據科學開發，既保持單機的簡單易用，又媲美分布式系統的處理能力。內置高性能引擎的BML CodeLab，性能比開源產品提升近十倍。
3. 內置的易用開發插件，用于提升開發效率。基于開源Jupyterlab擴展機制，BML CodeLab 集成眾多功能豐富、簡單易用的開發工具。如：輕量級機器學習。應用開發小程序插件，通過簡單Python代碼，將分析訓練成果發布成高性能應用; AI 工作流程插件，管理工作流編排和跟蹤實驗，提升迭代效率。（一鳴）
免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。
