做AI项目，或许在很多人眼里，是一项仄长而复杂的工作，其实不然。实际操作中，开发者可以选择AI深度学习框架，加载可在框架上运用的模块，调整参数，如同搭建乐高一样做出想要的AI应用。框架，省去了开发者从零开始一行行写代码的前期工作准备。这是AI深度学习框架的魅力。《IT时报》记者注意到，目前国外主流的深度学习框架有TensorFlow、PyTorch、Caffe等，而国内的百度飞桨（Paddle Paddle）和旷视天元也吸引了一群受众。那么面对中外深度学习框架，众多开发者会如何选择？而国内框架又会如何吸引新的开发者入局？
IT时报记者钱奕昀孙鹏飞
开发者：向国内框架迁移
　　韩林（化名）是一名影像识别功能的开发者，新冠肺炎期间，他从医学网站上找到CT转成图片作为数据，并搭配参数进行模型训练。“一次3521张影像的模型训练，需要40-50分钟。”他说。接触深度学习框架2年，韩林最终从Ten⁃sorFlow转到飞桨。他认为，飞桨API比TensorFlow更简洁，调试组网代码也更方便。“当时做了一个比较复杂的模型，用TensorFlow调整模型结构一个月没有实现收敛，但用飞桨一周就完成了。”这是他接触飞桨时的第一印象。
　　林芸（化名）从事的是文本处理技术工作，易用性强，是她选择飞桨文心的缘由。
　　上海聪链信息科技有限公司创始人丁强则是旷视天元框架的拥趸。在他看来，旷视在视觉识别领域的优势，使得天元更适用于该场景的开发。疫情期间，旷视在10天之内推出“明骥AI智能测温系统”，通过天元框架对算法模型进行专项训练与优化升级，精准定位到额头再快速测温，误差在±0.3℃以内。
　　上海埃瓦智能科技有限公司创始人王赟则考虑到3D视觉芯片的推广应用，选择了腾讯系的深度学习框架Angel。
　　AI开发者王剑（化名）向《IT时报》记者给出他选择国内深度学习框架的考量：社区规模。“社区强大，框架会越来越好，因为用的人多，如果论文作者提供的代码都是国内某个框架的话，这个框架会有更多人去完善升级。”他说。百度方面透露，截至目前，飞桨平台已经凝聚194万开发者，8.4万的企业在平台上创建了超过23.3万个模型。在主流开源社区整体star数超过4万，核心框架的star数超过1.1万。天元则未披露开源社区用户数。
　　在领规科技CEO安康看来，国内外深度学习框架每家各有不同，主要还是看开发者的产品和业务属性，最终通过调整开源社区的模板参数实现应用。
　　一位在中小型智能硬件类企业工作的王婷（化名）告诉《IT时报》记者，目前公司正在使用Caffe框架。不过，未来可能会考虑使用华为MindSpore，因为公司项目正在使用海思芯片做研发。
　　尽管有开发者反映，因国内深度学习框架发展时间较短，可能出现部分功能不支持、开发者基数不足导致社区无法马上解决所需解决问题等情况，但不可否认，正有一群开发者们向国产深度学习框架靠拢。
选ARM低功耗
　　2020年世界人工智能大会上，旷视介绍了其深度学习框架天元MegEngine的Beta版本，天元重点增加了模型量化与支持ARM处理器两个功能。
　　人工智能深度学习离不开海量数据和算力，大模型在带来精度提升的同时，也对计算资源消耗提出更多要求。这导致它们无法部署在很多非云端的计算设备上（比如智能手机），因此有必要通过模型量化。这些轻量化模型，使它们能够满足小型计算平台的要求。目前，Tensorflow、PyTorch、飞桨等框架均实现了量化功能。MegEngine自然不能落后。“由32位浮点转至int8推理，可实现3倍左右的推理加速，减小模型75%的尺寸，减少存储空间、内存耗用和设备功耗。”旷视研究院AI系统高级技术总监徐欣然介绍。
　　下转14版