近日，曠視科技透漏其自主研發(fā)并全員使用的AI 生產力套件Brain＋＋的核心深度學習框架－－MegEngine，即將于3月25日進行開源，發(fā)布會將于當日14：00在線舉辦。

2017年，AlphaGo與柯潔的圍棋大戰(zhàn)讓大眾嘆為觀止，而支撐AlphaGo運轉的底層技術框架就是谷歌的TensorFlow。

知名度或許沒有谷歌那么廣為人知，但其實曠視的國產深度學習框架MegEngine遠早于谷歌TensorFlow的時代，曠視早在2014年就開始研發(fā)其深度學習框架MegEngine，過去5年里，這套深度學習框架被曠視全員使用，支撐著整個曠視的科研及產品化。

同時在框架的基礎之上，曠視研究院還提出了“三位一體”概念，將數據和算力平臺融合，構建了集“算法、數據和算力”于一體的 AI 生產力套件 Brain＋＋，自動化、規(guī)模化、集約化生產算法，在Brain＋＋的驅動下成為了現實。

技術層面曠視的Brain＋＋完全可以和谷歌的TensorFlow、臉譜的PyTorch相提并論。

Brain＋＋

為了能夠快速的進行算法相關實驗，在實際的工業(yè)場景中落地，就需要一個具有高性能，可復用和能靈活迭代的AI算法平臺。

而打造一個滿足當前需求的AI算法平臺，需要從計算性能，平臺易用性，滿足真實業(yè)務場景需求等不同的方面進行考量。

人工智能發(fā)展初期階段，訓練一個 AI 模型，至少需要一兩個月，開發(fā)者甚至要通過手敲 C＋＋ 來完成計算過程，而深度學習社區(qū)基本上被 TensorFlow 和 PyTorch 兩大框架壟斷。

算法生產就是對輸入數據進行分析和提煉，并輸出能預測問題答案模型的過程，如何擺脫繁瑣低效的算法開發(fā)流程，獲得批量生產算法的能力一直是曠視所思考的問題。

曠視聯合創(chuàng)始人唐文斌這樣介紹Brain＋＋：“為了解決這個問題， 2014年我們開始研發(fā)Brain＋＋，它是一套端到端的AI算法平臺，目標是讓研發(fā)人員獲得從數據到算法產業(yè)化的綜合技術能力，不用重復造輪子也可以推進AI快速落地。我們的Brain＋＋還引入了AutoML技術，可以讓算法來訓練算法，讓AI來創(chuàng)造AI�！�

MegEngine

曠視 Brain＋＋的架構分為三部分，其中即將開源的深度學習算法開發(fā)框架 MegEngine 是核心模塊，其次是提供算力調度支持的深度學習云計算平臺 MegCompute，以及用于提供數據服務和管理的數據管理平臺 MegData。

MegEngine可實現訓練、部署一體化，能夠支撐大規(guī)模視覺方向的算法研發(fā)，具體又分為四個層，包括計算引擎、運行時管理、編譯和優(yōu)化以及編程和表示。

還引入了曠視獨家的AutoML技術，只需訓練一次就能得到整個模型空間的刻畫，可以顯著降低人力成本并大幅提高開發(fā)效率。

MegEngine基于 C＋＋開發(fā)，使用了目前流行的計算圖方式，和其他框架不同，其使用的是異構架構，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(jié)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。

相比于開源的大部分深度學習框架，MegEngine 具有下列優(yōu)勢：

運算速度快：MegEngine 動態(tài)、靜態(tài)結合的內存優(yōu)化機制，因此速度比 TensorFlow 更快；

內存占用少：根據內存使用狀況，MegEngine 充分優(yōu)化內存，特別是亞線性內存優(yōu)化，可以支持復雜的網絡結構，自動利用部分冗余計算縮減內存占用，可達兩個數量級，從而支持更大規(guī)模的模型訓練；

支持多種硬件平臺和異構計算：MegEngine 支持通用 CPU、GPU、FPGA 以及其他移動設備端硬件，可多卡多機進行訓練；

訓練部署一體化：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，避免復雜的轉換過程造成的性能下降和精度損失。

曠視在 2017 年拿下 3 項 COCO 冠軍，2018年拿下 4 項 COCO 冠軍，以及19年發(fā)布的全新的通用物體檢測數據集 Objects365。這些成績之下，Brain＋＋貢獻了不小的功勞。