0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

小米要做移动端最牛叉的深度学习框架

电子工程师 ? 来源:未知 ? 作者:李倩 ? 2018-07-03 11:53 ? 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

小米要做移动端最牛叉的深度学习框架。

—— 小米崔宝秋

北京时间 6 月 28 日,在第十三届开源中国开源世界高峰论坛上,小米首席架构师、人工智能与云平台副总裁崔宝秋在《小米 AI 时代的开源》的主题演讲中,代表小米正式发布了小米移动端深度学习框架 ——MACE。

以下为演讲实录整理:

尊敬的各位嘉宾、各位朋友、各位同行,大家下午好!我叫崔宝秋,在小米负责人工智能与云平台,首先非常想感谢陆主席(编者注:中国开源软件推进联盟名誉主席陆首群教授),在开源上为中国做的杰出贡献,非常荣幸有机会再次跟大家分享开源中国开源世界,我不知道第几次参加了,几乎每年都参加,感谢组委会对小米的厚爱。

在公司我负责这个团队,作为个人介绍,尤其在行业会上,我更愿意介绍自己为一个自由软件的爱好者、信任者、一个开源软件的参与者和管理者,到今天一个开源软件的倡导者。所以今天我想跟大家分享的是——小米在AI时代的开源。过去几年一直在推小米在大数据、云计算方面的开源。今天讲讲在AI时代,小米怎么拥抱开源。

▌小米和开源有什么关系?

讲起小米,大家会想到小米只是一家智能手机公司,智能手机硬梆梆的和开源有什么关系?首先我想讲,这个认识是完全不对的,小米不仅仅是一家智能手机功能,更多是一家智能设备、互联网公司。用雷总的话讲,是一家以手机智能硬件和 IoT 平台为核心的互联网公司。

作为一个技术人员,我更愿意讲小米是一家大数据公司、一家AI公司。为什么AI在小米如此重要?为什么我们在AI上面投入再多都不为过呢?首先看一下小米有丰富的产品线,我们需要AI赋能,除了手机之外,还有很多智能设备,这些智能设备只是一系列产品线中小的子集。我们需要去看到小米做AI的几大优势。这是我过去几年一直讲的,小米为什么做AI?做AI的三大优势是什么?

第一有做硬件产品的优势,在中国小米是遥遥领先的,在世界也非常靠前。小米可以做一款非常精致漂亮性价比非常高的手机,可以做一系列有小米设计风格的一系列生态产品,很多产品都成为爆品,轻松的上千万量级,说明小米在硬件上的优势,很多公司苦于落地,小米不用担心。

第二是小米真正大数据的优势,这是我过去几年一直在推的,从云计算到大数据,各种各样的,手机上可以带来很多数据,各种各样的数据,全生态多样性的数据。加上IOT各种设备,小米有了数据,才可以让更多功能变得智能,各种设备变成真正的智能设备。

第三大优势就是小米投入AI再多都不为过的理由,就是我们有丰富的产品线,不仅带来技术落地很多面、很的点,更带来智能场景的创新机会。

所以2016年底,我们已经把AI,作为小米未来核心战略的重要组成部分,作为未来十年、甚至二十年的核心战略。随着AI的投入,我们推出的第一款产品战略级的AI产品就是AI音箱,背后就是大家非常熟悉的小爱同学,小爱同学不仅仅只是音箱上的智能语音交互平台,也不是电视上的智能语音交互平台,它将成为小米围绕手机和IoT生态庞大生态的控制中心

它的背后,我把它称之为智联万物的AI虚拟助理,后面有很多黑科技。小爱同学背后的黑科技,最近刚被评为十大黑科技之一。这些后面都需要很强的技术支撑,现在大家就可以慢慢联想到,为什么开源对小米如此重要。

过去几年我的团队在技术发展路线,就是从C到B到A,这个我在很多场合都讲过,从云计算到大数据到A,前面联想的同事讲了很多C和B,也有一些A,但开源讲到技术就不得不讲到开源。

六年前我加入小米,我在讲我们必须拥抱开源,雷总也非常看中开源,他曾经讲过任何一家创业公司,如果不拥抱开源,就直接会输在起跑线上。过去几年,我的团队和周边我的兄弟部门都在拥抱开源,我们把拥抱开源,打造成小米工程文化的重要组成部分,为什么选择开源?这个大家都是行业中的,我不用多讲了。

几年前我参加开源世界大会,我讲过一些观点,站在巨人肩膀上,很多尤其大数据、云计算方面的开源系统,开源软件已经成了行业中的事实标准,开源可以提高代码质量,提高工程师的素质,可以带来很多人才库,也可以吸引人才。这些只是开源好处的比较实用主义的一个方面。

六年前我加入小米,就制定了小米开源战略的五个方面,今天为止回头看还不过时。

第一个就是快,快速选型、快速融入社区、快速反馈,快是小米模式的重要组成部分;

第二个不重造轮子;

第三个不用则已,要用则精,很多公司只用不精,不能真正驾驭;

第四点就是公司的态度——永远拥抱开放和共享的态度,第四点也是与其他公司不同的。

当然六年后的今天,中国很多企业都在拥抱第五条——在重大的软件项目上、开源软件项目上,要赢得话语权、为社区做贡献,就得降低自己封闭的维护成本,这个和第三条也是息息相关的,不用则已,要用则精。

所以在云计算时代,刚才联想的同志也讲了,我也不用多讲,这些毋庸置疑,每家互联网公司跟云计算、跟互联网服务有一点点关系的公司都离不开开源。

小米在这方面做了比较有代表性的成功的案例,就是在HBase的贡献参与和从零打造。过去两年,这个项目的负责人,在几个场合两三次跟我讲,感谢你们小米对HBase的贡献,你们团队是最强的团队,当然他有部分恭维的因素。我把这些话,当成他对我们小米团队在HBase贡献上的肯定。

▌回到AI时代,小米要做什么?怎么做?

回到AI时代,小米要做什么?怎么做?回头看我们过去几年团队围绕AI、围绕云计算、大数据积累了一些基础的能力。我们说今天AI的新的春天到来了,背后是因为深度学习。但是四年前、五年前,跟同志们讲不要忘了大数据。今天大家知道大数据在AI中扮演的角色。深度学习、大数据、云计算,是新的AI时代离不开的底层技术,这些都有开源技术的存在。往上一层一层叠加,从感知到应用到开放平台,我们公司所有的跟这些相关的技术,都离不开开源。

曾经我有些担心,因为C和B、云计算和大数据开源软件不缺,在AI时代,几年前我有点担心,但是今天我不再担心,为什么?AI巨头在纷纷的拥抱开源,我在硅谷跟Facebook、跟谷歌负责AI的团队带头人、科学家深度交流,他们的答案可能不同,但是我看到一点是共通的,他们要开放开源,快速地打造自己的社区,建立自己在某个领域的竞争优势和领先性。光这一点,就可以让我乐观的估计,开源在AI领域持续会火。

2016年AlphaGo激发了人们对深度学习的新一代AI技术的热情,每家公司都在深度地拥抱AI,AI优先。我们做了什么?继续拥抱开源,我们很快推出小米自己的深度学习云服务、小米Cloud-ML。

我们用这个做公司内部的人工智能竞赛,一方面造福了各个业务,一方面打造了云服务的能力。我们支持了几乎所有开源的深度学习框架,这些都是服务端的、云端的AI能力、模型训练能力、推算能力。够还是不够,大家都知道。云上的智能和端上的智能是不同的,是需要相辅相成的,端上我们做什么?

今天我非常高兴、也非常自豪地代表我们团队小米人工智能与云平台团队,也代表小米公司,正式在这个场合,宣布一个新的开源项目,过去在云计算、大数据方面开放了开源,自研了很多产品。

▌小米移动端深度学习框架 —— MACE

今天我要宣布的关于AI的开源项目是什么?MACE,移动端深度学习框架,不知道大家对这个有没有感觉。月初过去印度,拜访了很多印度家庭,看到印度摔跤教练,在家里面看到这么一个武器,名字就叫MACE,我说好巧,跟我们开源项目一模一样的名字。

移动端深入学习框架,是干什么的?大家都知道,我刚才讲了小米是一家智能设备公司,很多都是2C的个人设备包括手机,很多推理、很多人工智能的推测能力、推理能力、预测能力,都需要在端上要做,那么在端上怎么做,怎么做得快?这里面可能学问就大了,或者难度就大了,MACE就起这些作用。

内部我们去年底2017年12月15号,就已经上线了发布了这款产品,我们支持异构的计算加速,支持TensorFlow、支持高通、MTK、澎湃等芯片。我们希望能打造成业界最好的移动端深度学习框架。

为什么我们要做这款开源项目?我在公司制定开源战略,讲了很多不重造轮子,用市面上有的,开源社区有的,我们当时环顾四周,满足我们需求的真心没有,所以我们要做。

继续拥抱开源的第四大战略,永远拥抱开放与共享的态度,比较一下当时开源的框架有什么不足,为什么我们必须要自己做呢?

大家看一下TensorFlow Lite,一比较MACE的优势就出来了。我们再看非开源的,我们跟高通有紧密合作关系,他们自己提供的深度学习框架,很大程度上满足不了我们的需求。

再比较一下,难易慢快,支持不支持,卡顿不卡顿,也是我们要自己开发MACE的一个理由。

▌为什么要开发MACE?

1、AI单摄背景虚化

MACE在小米移动端设备上得到广泛的应用,大家用小米手机或者对小米感兴趣的人可能知道,我们最近发布了几款产品都在打造AI像机,用MACE差别大了,用了MACE可以只用1/3的内存,只用原来其他的深度学习框架的1/5的时间充实化时间。

2、智能识别,实时优化。

第二个应用场景是智能识别,AI相机智能识别,我们要花5倍的时间,用MACE一样节省大量的时间。

3、图片超分辨率。

一个很低分辨率几百乘几百像素的照片,可以还原成高分辨率相片,没有MACE的用户就没法用,滑动的时候会特别慢。用了这个以后,我们把计算细腻度的分化,再加上智能的调度,同时和用户的交互并行,让用户的交互不用任何场景,所以没有MACE根本不可能。

4、图片风格化。

如果不用MACE,风格化一张照片,需要秒级,一秒两秒。用了MACE,我们可以几乎做到实时,几百毫秒。

随着MACE的发布,我们同时也发布了一些MACE的Mode 1Zoo,我们会把一些模型开源出去,这就是开源的魅力。我呼吁一下,我们希望一起和中国开源贡献者,打造业界最牛的移动端深度学习框架。

我们今天刚刚开源,受到很多开发者的好评,但是大家有意见跟我们提,有bug跟我们提,大家一起来打造。

这是最后一张PPT,小米最新的愿景,就是始终坚持做感动人心,价格厚道的好产品,让全球每个人都能享受科技带来的美好生活。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 智能语音
    +关注

    关注

    11

    文章

    808

    浏览量

    49633
  • 小米
    +关注

    关注

    70

    文章

    14482

    浏览量

    148420
  • 深度学习
    +关注

    关注

    73

    文章

    5569

    浏览量

    123089

原文标题:小米立Flag:要做年轻人的第一个深度学习框架

文章出处:【微信号:rgznai100,微信公众号:rgznai100】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    深度学习遇上嵌入式资源困境,特征空间如何破局?

    多层神经网络的非线性变换拟合规律,理论上几乎可以描述和模拟一切规律,但实际上该过程效率极低 —— 其计算复杂度往往呈指数级增长。这一特性使得深度学习侧设备的资源约束存在根本性矛盾,导致其在
    发表于 07-14 14:50 ?851次阅读
    当<b class='flag-5'>深度</b><b class='flag-5'>学习</b>遇上嵌入式资源困境,特征空间如何破局?

    移动电源上架亚马逊要做哪些认证?

    上架时通常需要做的认证: 1. UL 2056认证(美国) UL 2056 是美国针对**移动电源(充电宝)**的安全标准,涵盖了设备的电气安全性、火灾和电击风险、充电过程中可能的过载保护等。获得UL 2056认证的产品可以证明其符合美国的电气安全标准。 测试内容 : 电
    的头像 发表于 06-20 16:08 ?303次阅读
    <b class='flag-5'>移动</b>电源上架亚马逊<b class='flag-5'>要做</b>哪些认证?

    Arm 公司面向移动市场的 ?Arm Lumex? 深度解读

    面向移动市场的 ? Arm Lumex ? 深度解读 ? Arm Lumex ? 是 Arm 公司面向移动设备市场推出的新一代计算平台,隶属于其“平台优先”战略的核心布局。作为 ?
    的头像 发表于 05-29 09:54 ?2075次阅读

    嵌入式AI技术之深度学习:数据样本预处理过程中使用合适的特征变换对深度学习的意义

    ? 作者:苏勇Andrew 使用神经网络实现机器学习,网络的每个层都将对输入的数据做一次抽象,多层神经网络构成深度学习框架,可以深度理解数
    的头像 发表于 04-02 18:21 ?974次阅读

    小米汽车智驾技术介绍

    后起之秀,小米在宣布造车前被非常多的人质疑,但在“真香”定律下,小米创下了很多友商所不能及的成就。作为科技企业,小米也在智能驾驶领域也不断研发及突破,并推送了
    的头像 发表于 03-31 18:17 ?3709次阅读
    <b class='flag-5'>小米</b>汽车<b class='flag-5'>端</b>到<b class='flag-5'>端</b>智驾技术介绍

    动量感知规划的自动驾驶框架MomAD解析

    自动驾驶框架实现了感知与规划的无缝集成,但通常依赖于一次性轨迹预测,这可能导致控制不稳定,并且对单顿感知中的遮挡问题较为敏感。为解决这一问题,我们提出了动量感知驾驶框架Momen
    的头像 发表于 03-18 09:31 ?1036次阅读
    动量感知规划的<b class='flag-5'>端</b>到<b class='flag-5'>端</b>自动驾驶<b class='flag-5'>框架</b>MomAD解析

    军事应用中深度学习的挑战与机遇

    人工智能尤其是深度学习技术的最新进展,加速了不同应用领域的创新与发展。深度学习技术的发展深刻影响了军事发展趋势,导致战争形式和模式发生重大变化。本文将概述
    的头像 发表于 02-14 11:15 ?596次阅读

    Arm成功将Arm KleidiAI软件库集成到腾讯自研的Angel 机器学习框架

    KleidiAI 技术融入腾讯混元自研的 Angel 机器学习框架。这一合作旨在提高移动人工智能 (AI) 服务的推理性能和效率,为用户提供卓越
    的头像 发表于 11-24 15:33 ?1396次阅读

    NPU在深度学习中的应用

    随着人工智能技术的飞速发展,深度学习作为其核心驱动力之一,已经在众多领域展现出了巨大的潜力和价值。NPU(Neural Processing Unit,神经网络处理单元)是专门为深度学习
    的头像 发表于 11-14 15:17 ?2177次阅读

    Pytorch深度学习训练的方法

    掌握这 17 种方法,用最省力的方式,加速你的 Pytorch 深度学习训练。
    的头像 发表于 10-28 14:05 ?731次阅读
    Pytorch<b class='flag-5'>深度</b><b class='flag-5'>学习</b>训练的方法

    GPU深度学习应用案例

    GPU在深度学习中的应用广泛且重要,以下是一些GPU深度学习应用案例: 一、图像识别 图像识别是深度学习
    的头像 发表于 10-27 11:13 ?1603次阅读

    FPGA加速深度学习模型的案例

    FPGA(现场可编程门阵列)加速深度学习模型是当前硬件加速领域的一个热门研究方向。以下是一些FPGA加速深度学习模型的案例: 一、基于FPGA的AlexNet卷积运算加速 项目名称
    的头像 发表于 10-25 09:22 ?1343次阅读

    AI大模型与深度学习的关系

    AI大模型与深度学习之间存在着密不可分的关系,它们互为促进,相辅相成。以下是对两者关系的介绍: 一、深度学习是AI大模型的基础 技术支撑 :深度
    的头像 发表于 10-23 15:25 ?3079次阅读

    Mobileye自动驾驶解决方案的深度解析

    强大的技术优势。 Mobileye的解决方案概述 1.1 什么是自动驾驶?
    的头像 发表于 10-17 09:35 ?920次阅读
    Mobileye<b class='flag-5'>端</b>到<b class='flag-5'>端</b>自动驾驶解决方案的<b class='flag-5'>深度</b>解析

    FPGA做深度学习能走多远?

    ,共同进步。 欢迎加入FPGA技术微信交流群14群! 交流问题(一) Q:FPGA做深度学习能走多远?现在用FPGA做深度学习加速成为一个热门,深鉴科技,商汤,旷视科技等都有基于FPG
    发表于 09-27 20:53