PaddlePaddle 1.4.1

Release Notes

BUG修复

• 修复一些op在InferShape时对变长shape检查的错误

• 增加一些op对长度为零的LoD序列输入的支持

• 修复用recurrent op实现StaticRNN的一些bug

• 修复动态图dygraph模型checkpoint存储和读取的bug

• fix bugs of some ops in InferShape

• fix bugs of some ops with input LoD length = 0

• fix bugs of recurrent op for StaticRNN

• fix bugs of dygraph when saving and loading model checkpoint

PaddlePaddle 1.4.0

Release Notes

目录

• 重要更新
• 基础框架
  • 安装
  • 中间表达IR和Pass方面的优化
  • IO优化
  • 执行优化
  • 显存优化
  • 完善CPU JITKernel
  • Intel CPU底层计算优化
  • 集成Intel nGraph图编译引擎
  • 框架基础功能增强
  • 动态图preview版基础功能完善
• 预测引擎
  • 服务器预测引擎
  • 移动端预测引擎
  • 部署工具
• 分布式训练
• 模型建设
  • PaddleCV 智能视觉
  • PaddleNLP智能文本处理
  • PaddleRec智能推荐
• 工具组件
• BUG修复

重要更新

• 基础框架对训练速度和显存占用进行了全面优化，完整支持量化训练，初步集成了Intel nGraph，动态图preview版单机单卡基本功能完善。
• 正式发布模型压缩工具包PaddleSlim和模型预测服务Paddle Serving，全面提升PaddlePaddle部署能力。
• 优化分布式IO，增加远程文件系统流式读取能力。GPU多机多卡同步训练通过增加稀疏通信能力提升带宽不敏感训练能力，在低配网络带宽网络环境下，例如10G网络下，同步训练可提速10倍。
• 更好支持K8S生态，提供工业生产环境下的Paddle-K8S-Operator支持；Kubeflow支持paddle-job。
• 正式发布视频识别工具集，覆盖主流视频分类模型，包括Non-Local、TSM 、Attention Cluster、NeXtVLAD、Attention LSTM、StNet、TSN。
• 新增中文语义表示模型ERNIE，在多项中文任务上相对 BERT精度绝对提升1-2个百分点。新增对话通用理解相关模型 DGU，支持5类对话任务，在3个公开数据集达到 SOTA 的效果。
• 新增基于图神经网络的推荐模型（Graph Neural Network），并提供公开数据集下的Benchmark效果。
• 正式发布PaddleHub预训练模型管理工具，提供包括预训练模型管理、命令行一键式使用和迁移学习三大功能。旨在帮助用户更高效地管理模型并开展迁移学习的工作。
• 正式开源AutoDL Design，自动化网络结构设计。
• 全新升级聚焦并行的PARL1.1，一个修饰符，实现并行强化学习算法。
• 正式发布X2Paddle模型转换工具，用户可以无损地将其他深度学习框架预测模型迁移至PaddlePaddle。

基础框架

• 安装
  • 增加install_check.run_check()接口，对安装是否成功提供更完善的检查。
• 中间表达IR和Pass方面的优化
  • 完成IrGraph、IrNode、IrVarNode以及IrOpNode的封装，支持使用Python编写IR Pass。
• IO优化
  • PyReader接口优化：可通过新接口reader = fluid.io.PyReader (...,iterable = True,...)创建for循环可迭代的reader，并通过feed方式将数据送入网络训练。
• 执行优化
  • 用户可设置with_data_parallel的places参数，指定在某些GPU卡上运行，从而支持单进程多训练任务执行。
  • 优化了多卡执行器调度策略，在ResNet50和Transformer模型上验证速度提升8%~19%。
  • 多卡情况下支持对AllReduce进行按分组Fuse，ResNet模型的多卡速度提升8%~30%（不同卡数提速有差异），Transformer模型的多卡速度提升4%左右。
• 显存优化
  • GC策略优化：Eager Deletion策略支持while_op内部变量的及时删除；支持非全量Eager Deletion策略，用户可设置FLAGS_memory_fraction_of_eager_deletion = 0.xx控制即时删除内存/显存空间的百分比。
  • Op优化：优化cross entropy、expand、layer_norm、dropout等op的反向注册机制，去除无关变量依赖，提高框架显存性能。
  • 新增两个FLAGS（FLAGS_initial_gpu_memory_in_mb和FLAGS_reallocate_gpu_memory_in_mb）来让用户指定初始显存池容量和再分配显存池容量。
  • 调整inplace_op_pass策略，提高inplace的策略的覆盖率。
  • 取消了在python端做activation op inplace优化的逻辑，统一到inplace_op_pass。
  • 新增Memory Profile功能。
• 完善CPU JITKernel
  • 优化JITKernel的调用方式，添加Cache机制和获取所有相同类型函数的接口，方便开发者根据不同情况有选择的调用。
  • 使用JITKernel优化SGD算法，在PyramidDNN模型下对应的OP部分速度提升44%，整体训练速度提升12%；使用JITKernel优化fused_embedding_seq_pool，在PyramidDNN模型下对应op的反向算子速度提升18%， 整体训练速度提升6%。
• Intel CPU底层计算优化
  • MKLDNN升级至v0.18，包含若干性能增强（如基于GEMM的卷积运算/INT8卷积运算等）。
  • 使用MKL优化GELU OP，OP性能提升至原来的3倍。
  • 增强MKLDNN相关Kernel的单元测试。
• 集成了Intel nGraph图编译引擎，为PaddlePaddle支持更多硬件后端提供了便利
  • 通过ngraph_engine OP将子图交由nGraph核心，经图优化后调度在CPU上执行。用环境变量FLAGS_use_ngraph = true即可在运行时调用nGraph。
  • 支持ResNet50模型在CPU上的训练和预测。ResNet50在CPU上的性能，和基于MKLDNN的直接优化相比，预测和训练性能均有显著提升。
• 框架基础功能增强
  • 支持同步的Batch Norm操作；支持softmax设置axis；新增spectral norm，rang，acos，asin，atanh操作；新增Npair Loss，用于特征学习。
  • 框架中添加cosine_decay学习率调整策略。
  • 新增sampled_softmax_with_cross_entropy，用于提升大词典下的训练效率。
  • 支持SGD和Adam优化算法的fuse，在Transformer模型上，速度能够提升2%，在Cycle GAN模型上，速度能够提升6%。
  • 加强lsmtp，支持cell内部裁剪、初始化cell state和hidden state。
  • 加强adagrad，支持初始化累积动量。
  • 支持Tensor使用__getitem__ 方式操作。
  • 新增QuantizationFreezePass、ConvertToInt8Pass以及TransformForMobilePass。完整支持动态和静态两种量化训练方式及对应模型保存。
• 动态图preview版基础功能完善
  • 基础功能：支持LRDecay，整体支持GPU单卡及CPU单机的模型训练和评估。
  • API：公开动态图对应基础接口，重构现有的 Layers，增加对 GRU、LayerNorm、NCE、PRelu 等 Layers 的支持。
  • 性能：在ResNet，MNIST模型上验证与静态图基本持平。
  • 增加Transformer、MNIST、SE-ResNeXt 等模型的动态图实现。

预测引擎

服务器预测

• 预测库整合PaddlePaddle/Anakin，统一接口提供高效预测能力
  • 支持Anakin GPU子图和CPU子图。
  • Python预测接口支持Anakin子图。
  • ResNet、VGG、GoogleNet、MobileNet、ShuffleNet、Faster R-CNN、YOLO、SSD等模型实现显著预测加速。
• 预测框架优化，小模型预测速度提升明显
  • 增加runtime_context_cache_pass，重点模型提升17%。
  • 优化5个OP的infershape，重点模型提升13%。
  • 完善ZeroCopy接口，避免使用AnalysisPredictor 时存在多余CPU拷贝。
• INT8 量化预测持续加强
  • 进一步完善通过TensorRT 支持INT8 量化，支持AlexNet、GoogleNet、VGG、MobileNet、ShuffleNet等模型。优化调用TensorRT下的信息序列化反序列化，加快模型初始化速度。
  • 实现基于C++ Pass的INT8量化框架。增加若干INT8 OP Kernel：Transpose，Contact，Requantize。通过微调MkldnnQuantizerConfig中的量化策略，用户可快速得到符合精度要求的INT8量化模型。INT8量化后的ResNet-50/MobileNet v1模型，相比原始FP32模型，性能分别提升至3.7倍/3.0倍 （在支持AVX512-DL Boost指令集的至强 6271服务器上）。

移动端预测

• ARM CPU
  • Paddle Mobile完成矩阵运算库sgemm和sgemv的重构和效率优化，在大部分模型上能获得10%〜100%以上的性能加速。
  • 新增while、sequence_expand、sequence_pool、sequence_softmax、gru_unit、beam_search和beam_search_decode等19个算子，以及对应大量的优化工作，支持attention-based端到端模型的预测。
  • 新增winograd 的arm v8实现，在IOS上的v8的硬件上能取得更高的预测性能；winograd支持算子融合 ，保证算子融合后的效率更高。
  • 新增kernel为3x3的滑窗直接卷积实现，在channel数较少时会比winograd和gemm效率更高。
  • 完成kernel为3x3的depthwise convolution重构和优化，相比之前版本支持任意的padding、性能更优且计算结果更可靠。
  • 完成kernel为5x5的depthwise convolution armv8版本的实现，NAS模型的预测效率提升30%以上。
  • 完成反卷积conv2d_transpose的效率优化。
  • 新增基于图优化的精简内存复用策略，大部分模型能降低近50%的内存占用。对于ARM CPU已自动开启（FPGA和GPU暂不支持）。
• ARM GPU
  • Paddle Mobile完成kernel为1x1的卷积优化，MobileNet v1在高通Adreno GPU上平均预测性能提升35%。
• 预测初步完成和Paddle Mobile、Anakin的接口统一，待进一步深度融合。

部署工具

• 模型压缩工具包PaddleSlim
  • 剪切模型压缩策略：支持敏感度和uniform两种方式，支持VGG、ResNet、MobileNet等多种类型的网络，支持用户自定义剪切范围。
  • 量化训练模型压缩策略：支持动态和静态两种量化训练方式，支持对参数进行分channel量化或整体量化，支持以float类型模拟int8值域保存模型，支持以int8类型保存模型，支持以兼容paddle Mobile的格式保存模型。
  • 蒸馏模型压缩策略：支持在teacher网络和student网络任意层添加组合loss，支持FSP Loss，L2 Loss，Softmax with Cross-entropy Loss。
  • 其它功能：支持配置文件管理压缩任务超参数，支持多种压缩策略组合使用，蒸馏和剪切压缩过程支持checkpoints功能。
• Paddle Serving
  • 支持预测远程部署。
  • 服务端支持用户新增数据处理Operator，支持用户自定义预估逻辑，支持模型热加载功能。
  • 客户端提供C++ SDK，供业务逻辑进行调用，支持自定义protobuf定制网络数据传输协议，A/B测试能力。
  • 提供经典任务使用paddle Serving的示例模板，包括文本分类，图像分类任务。
  • 针对文本分类任务，给出延迟和吞吐的Benchmark。

分布式训练

• 分布式IO优化
  • Pipe Reader接口优化：在保持数据预处理灵活性的前提下，提供高效IO的方法。支持企业级Linux系统用户定制化，实现高性能IO组件，在离线数据预处理处进行统一维护。增强远程文件系统流式读取能力，支持数据载入内存模式、分布式打乱功能。
• Executor与分布式IO的整合
  • AsyncExecutor整合进入Executor，增加train_from_dataset/infer_from_dataset接口，支持基于Pipe Reader的训练，在保持多队列IO功能的前提下，支持用户自定义PipeLine程序，提供python端灵活处理数据的能力。
• GPU多机多卡同步训练增加带宽不敏感训练能力
  • GPU同步训练增加稀疏通信能力，支持sparse all reduce。
  • 通过通信稀疏度的控制，在算法层面保障模型收敛，并增加DGCOptimizer。
  • 通过在ResNet50 on imagenet上进行实验证明：模型收敛性方面，ResNet50 90轮收敛效果不变；在高速互联网络环境下，稀疏通信不会降低训练速度；低配网络带宽网络环境下（例如10G网络），稀疏通信在训练速度上有明显优势，相比稠密通信的同步训练提速10倍。
• Collective Operator模式
  • Collective Operator模式的支持，增加GPU下多个all reduce的操作。通过Python API向Program中增加collective op，使得分布式优化算法开发的灵活性显著提升。
• ResNet50 on Imagenet收敛速度优化
  • 支持动态BatchSize、动态ImageSize以及矩形crop等方法；FP32精度下，在v100单机8卡验证，收敛速度提升68%(acc1>=75.9%, acc5=93.0%)。
• K8S生态支持
  • Kubeflow支持paddle-job，并贡献到kubeflow社区。
  • 支持工业生产环境下的Paddle-K8S-Operator，可与kubeflow配合使用。
  • K8S环境适合新手提交任务的脚本，提供百度云可复现教程。

模型建设

• PaddleCV 智能视觉
  • 正式发布视频识别工具集，覆盖主流视频分类模型，包括Non-Local、TSM 、Attention Cluster、NeXtVLAD、Attention LSTM、StNet、TSN，效果和主流实现打平。
  • 新增基于ImageNet的预训练模型：GoogleNet，ShuffleNetV2，ResNet18，ResNet34。
  • 新增支持目标检测YOLOv3模型，效果与最好公开实现打平（mAP比原作者提高4.7绝对百分点）。
  • 发布基于COCO和MPII数据的Simple Baselines人体姿态估计模型，效果和主流实现打平。
  • 特征学习模型新增npair loss， 在预训练模型（arcmargin loss）的基础上将recall@1提升至79.03%(+0.78%)。
• PaddleNLP智能文本处理
  • 新增支持中文语义表示ELMo模型，支持多卡训练，训练速度比主流实现快1倍。验证在中文词法分析任务上F1值绝对提升1.1%，在中文阅读理解任务上Rouge-L值提升1%。
  • 新增中文语义表示模型ERNIE，在自然语言推断、语义相似度、命名实体识别、情感分析、问答匹配等中文任务上相对 BERT 中文模型绝对提升了 1% ~ 2% 的精度。
  • 阅读理解模型升级，优化数据预处理和文档选取，在DuReader验证数据集上Rouge-L提升至47.65(baseline 39.29)。
  • 新增基于知识感知的对话模型，对比基线生成对话模型，在F1，BLEU1，BLEU2的指标上平均提升1个百分点。
  • 发布对话模型工具集，包含DeepAttentionMatchingNet, 新增对话自动评估工具和基于BERT的对话通用理解相关模型DGU（Dialogue General Understanding），支持对话语义匹配、DA、DST、槽位解析和意图识别五种对话任务，3个公开数据集达到SOTA 的效果。
  • 发布PaddleNLP工具包，统一文本分类、文本匹配、序列标注、阅读理解、智能对话等NLP任务的建模，并开放对应的工业级预训练模型。
• PaddleRec智能推荐
  • Deep Interest Network（DIN）：新增DIN模型，并在公开数据复现效果，支持cpu和gpu模式下的单机单/多卡训练。DIN适用于推荐中的排序场景（如ctr预估），主要特点为对历史序列建模的过程中结合了预估目标的信息。
  • Graph Neural Network（GNN）：新增基于session的图神经网络推荐模型，并在公开数据复现效果，支持cpu和gpu模式下的单机单卡训练。该模型适用于推荐中的召回场景，使用GNN对用户的历史信息进行建模，可以捕捉到item序列之间蕴含的更复杂的转换关系。
  • Word2vec：word2vec采样策略调优，并在公开数据复现效果，添加多机训练支持。

工具组件

• 正式开源AutoDL Design自动化网络结构设计
  • 用AutoDL Design方法生成的一系列神经网络，以及使用CIFAR10数据在其上训练出来的一共6个模型，包括了网络结构以及对应的权重。因此每一位业内同行或者是有兴趣的研究者都可以很容易使用PaddlePaddle以及公开的CIFAR10数据，在这6个模型上进行推理（inference）以及模型融合，获得超过98%的准确率。
  • 生成器和评估器的源码开源，该源代码使用了完全由百度自己研发的PaddlePaddle平台和PARL框架。代码中附带有中文文档，以及一些方便大家快速运行的更简单的小demo（例如，以“RNN生成多少个1”作为样例，可以快速验证整个框架的正确性）。大家可以下载、安装和运行，尝试生成属于自己的、全新的神经网络结构。
• 全新升级聚焦并行的PARL1.1，一个修饰符，实现并行强化学习算法
  • 通过一个简单的修饰符(@parl.remote_class)即可实现并行化。数据预处理以及simulator仿真等计算密集型的任务经过这个修饰符之后，会自动部署到用户指定的计算资源上运行，不再占用主线程的计算资源。
  • 新增了对IMPALA、A2C、GA3C等并行算法的支持。
• 正式发布PaddleHub预训练模型管理工具，旨在帮助用户更高效的管理模型并开展迁移学习的工作。
  • 预训练模型管理： 通过hub命令行可完成PaddlePaddle生态的预训练模型下载、搜索、版本管理等功能。
  • 命令行一键使用： 无需代码，通过命令行即可直接使用预训练模型进行预测，快速调研训练模型效果。目前版本支持以下模型；词法分析LAC；情感分析Senta；目标检测SSD；图像分类ResNet, MobileNet。
  • 迁移学习： 提供了基于预训练模型的Finetune API，用户通过少量代码即可完成迁移学习，包括BERT/ERNIE文本分类、序列标注、图像分类迁移等。
• 正式发布X2Paddle模型转换工具，可以无损地将其他深度学习框架预测模型迁移至PaddlePaddle。工具还附带TensorFlow, Caffe框架的API详细对比文档，旨在帮助用户更便捷的从其他框架迁移PaddlePaddle。

BUG修复

• 修复backward时BFS带来的精度不一致的问题
• 修复ptimizer minimize创建多余反向输入
• 修复Paddle-TRT运行显存占用大的问题
• 修复AllReduceDepPass中的Bug
• 修复FastThreadedExecutor中的Bug
• 修复Reshape、cross_entropy、arg_min_max、recurrent等Op中的bug
• 修复VarBase构造的问题
• 修复了若干memory_optimizer_pass中的问题与bug：将复用逻辑由>=调整为 =，减少了因Variable复用造成的碎片，去掉了memory_opitmize_pass对BlockDesc的依赖，修复了不同类型的Variable会相互复用的bug
• 修复python3下使用util.plot报错问题
• 提升Profiler的稳定性并新增Memory Profile功能
• 修复C++预测必须在线程内clone，才能使多线程生效的问题

Release Notes

Table of Contents

• Highlights
• Fundamental framework updates
  • Installation
  • Optimization on Intermediate Representation IR and Pass
  • IO optimization
  • Execution op...

PaddlePaddle 1.3.2

新增 elementwise_floordiv, elementwise_mod op
修改concat, mamtul, topk, squeeze的shape检查，区分compile time 和run time
修复recurrent op, lod_reset op中存在的bug
新增optimizer 接口，获取optimizer variable列表
优化recurrent op, cross_entropy op 显存占用

Add elementwise_floordiv, elementwise_mod op
Fix concat, mamtul, topk, squeeze shape check，distinguish compile time and run time
fix recurrent op, lod_reset op
Add optimizer interface，retrieve optimizer variable list
Optimize recurrent op, cross_entropy op memory consumption

PaddlePaddle 1.3.1

Fix bugs

PaddlePaddle 1.3.0

Release Notes

重要更新

• 统一Executor和ParallelExecutor接口，用户只需通过CompiledProgram将单卡模型转化多卡模型，并利用Executor进行训练或者预测。
• 正式发布AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速.
• 模型库新增发布PaddlePaddle视频模型库，提供5个视频分类经典模型以及适合视频分类任务的通用骨架代码，用户可一键式高效配置模型完成训练和评测。
• 新增支持NLP语义表示BERT模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升50%+，提供完整部署示例。
• 大规模稀疏参数服务器Benchmark发布， CPU多机异步训练发布显著提升点击率预估任务IO吞吐的built-in reader，多机多卡训练性能多方面提升。
• 新增支持Intel Deep Learning Boost(VNNI指令集)。在新一代的Intel Xeon Scalable Processor上，使用这个特性的一些模型，INT8预测性能可以达到FP32的2倍。

基础框架

• 安装
  • 新增Linux和MacOS下的中文版本辅助安装脚本，提供交互式安装方式，协助用户在复杂环境下快速完成PaddlePaddle安装。
  • Windows支持优化：新增cuda8，cudnn7的GPU支持，新增AVX指令集、MKLDNN、mnist数据集支持。修复Windows加载Linux/Mac下同版本paddle训练模型的问题。
• 增加动态图基础功能
  • 动态图tracer、 autograd、python Layer/PyLayer，动态图支持MLP、GAN、ptbRNN、Resnet模型，动态图支持Optimizer、GPU训练。
• Executor和ParallelExecutor接口优化
  • 对Executor和ParallelExecutor接口进行统一，用户只需通过CompiledProgram将单卡模型转化多卡模型，并利用Executor进行训练或者预测。
  • ParallelExecutor优化
    对MultiDevSSAGraphBuilder进行重构，使得MultiDevSSAGraphBuilder更易扩展。
    去除ParallelExecutor中的设备锁，提升ParallelExecutor多卡调度性能。
• 中间表达IR和Pass方面的优化
  • 完善C++ IR graph的python接口以及C++ IR pass的python接口。
  • 在framework.py中新增IRGraph类，为在Python层编写IR Pass做准备。
  • 新增支持网络无锁更新的Pass。
  • 新增QuantizationTransformPass，此为Quantization Aware Training量化模式训练前的图修改操作部分。
• 内存和显存方面的优化
  • 新增支持在编译时加入 Jemalloc 作为动态链接库，提升内存管理的性能，降低基础框架内存管理开销
  • 新增memory optimize，inplace pass, memory pool early deletion等显存优化策略。
  • 新增支持网络无锁更新的Pass。
  • 新增QuantizationTransformPass，此为Quantization Aware Training量化模式训练前的图修改操作部分。
• Operator整体层面的优化
  • 每个op在执行前只做一次scope查询，减少读写锁操作（原来需要做1~5次scope查询）
  • 新增Temporary Allocator，减少op中的同步操作
  • 新增py_func operator，支持python op接入，用户可以借助py_func Operator快速实现所需要的特有操作
• 重构DDim，Variable Type等，降低基础框架调度开销。
• INTEL FP32计算相关优化
  • 优化density_prior_box operator，单op四线程提速3倍。
  • 优化Stack operator，单op提速16倍。
  • 开发Transpose，Concat和Conv3d三个基于MKLDNN的kernel。
  • 修复lrn operator中MKLDNN kernel精度bug，同时单op提速1.3倍。
  • 修复MKLDNN初始化占用5G内存的问题，目前初始化占用500MB。
  • 减少从MKLDNN OP kernel到非MKLDNN OP kernel时不必要的reorder。
• 完善CPU JitKernel
  • sequence pooling 的jitkernel，纯op提升2倍。
  • softmax 的jitkernel，纯op提升2倍，同时使得Bert模型CPU预测提升26%。
  • 常见的基本逻辑：向量的每个元素求平方kVSquare、矩阵乘法kMatMul、向量的最大值kHMax、向量所有元素的和kHSum。

预测引擎

服务器预测

• 正式发布AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速。
• 预发布 intel CPU上的 预测 INT8 离线量化方案
  • 开发Conv2D，Pool2D，Quantize，Dequantize四个基于MKL-DNN的INT8 kernel。
  • 预发布Calibration的3个核心Python API（paddle.fluid.contrib.Calibrator）。
  • 开发Calibration工具，保证FP32和INT8的精度在ResNet-50和MobileNet-V1在ImageNet验证数据集上相差在1%内。
  • 支持Intel Xeon CascadeLake Server（VNNI指令）及Intel Xeon SkyLake Server，性能提升约为1.33倍。
• CPU预测速度提升
  • fuse sequence pooling concatop，支持N (<200)个sequence_pooling op concat起来组成一个新op，整体使得seqpool模型 CPU预测提升56%。
  • fuse 连续重复的fc op为一个大op，使得seqpool模型CPU预测速度提升15%。
  • fuse 逻辑为((X * Y).^2 - (X.^2 * Y.^2) ) .* scalar的op组合 , 使得seqpool模型CPU预测速度提升8.2%。
  • 针对输入tensor元素个数为1的情况，优化compare_op的CPU Kernel。
• 新增Paddle-TRT 对Calibration INT8的支持，GPU预测速度提升
  • 模型VGG，Resnet50上预测速度达到了Paddle-TRT float32的两倍性能。
  • 模型VGG，Resnet50在imagenet数据集上测试，精度下降0.3%以内。
• 算子融合
  • 增加 fc和 con 相关两个 fuse，作用于 conv_op CUDNN kernel。
  • 新增Conv+Affine Channel的融合pass，Faster RCNN运行的性能提升26.8%。
  • 新增Transpose+Flatten+Concat 融合pass，MobilenetSSD模型性能提升15%。
  • 实现beam_search operator的CUDA Kernel，并且将相应的top-k、elementwise_add、reshape、log计算融合到beam_search operator中。
• 功能完善及易用性提升
  • 新增C++ IR graph的Python接口。
  • 新增预测库的Python接口。
  • 服务端预测支持从内存加载模型。
• 其他
  • 删除legacy V2代码。从1.3版本起，不再支持V1&V2老版本功能。
  • 修复Paddle-TRT elementwise-mul模型运行出现问题的bug。
  • 修复Paddle-TRT trt_engine stream多个连续输入情况下模型输出结果异常的bug。

移动端预测

• 效率优化，常见模型预测速度提升
  • int8预测支持dequantize和其他op（batch normalization/relu/elementwise add）进行自动kernel融合。
  • transpose2 operator对于shuffle channel操作进行优化。
  • gru operator使用neon指令进行优化，并针对batch size为1时进行优化。
  • 优化和实现pooling，支持任意的padding。
  • 优化和实现batch normalization、softmax、elementwise add。
• 新增支持多个输入和多个输出的模型预测。
• 新增实现prelu6 operator、cast operator、top_k operator。
• 修复int8 offline量化溢出结果不对的问题。
• 修复winograd实现在输入feature map的height和width不相等时结果可能为0的bug。

模型建设

• PaddleCV 智能视觉
  • 新增发布PaddlePaddle视频模型库，包括五个视频分类模型：Attention Cluster、NeXtVLAD、LSTM,、stNet、TSN。提供适合视频分类任务的通用骨架代码，包括数据读取和预处理、训练和预测、网络模型以及指标计算等多个模块。用户根据需要添加自己的网络模型，直接复用其他模块的代码，快速部署模型。
  • 新增支持目标检测Mask R-CNN模型，效果与主流实现打平。
  • 语义分割DeepLabV3+模型，depthwise_conv op融合，显存优化，显存占用对比上一版本减少40%。
• PaddleNLP 智能文本处理
  • 新增支持NLP语义表示BERT模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升50%+，提供完整部署示例。
  • 机器翻译Transformer模型优化解码计算，decoder中加入对encoder output计算结果的cache，预测速度提升一倍。
• PaddleRec 智能推荐
  • Sequence Semantic Retrieval 新增单机多线程、单机多卡运行示例，添加预测功能、数据预处理优化，完善部署示例。
  • GRU4Rec新增负采样功能，使用bpr loss和cross entropy loss的效果与原作打平。

分布式训练

• 大规模稀疏参数服务器Benchmark发布
  • 测试真实业务场景下，特征规模百亿、样本平均特征数1k的点击率预估任务，在batch=512情况下，100worker加速比90.5，吞吐量1.36M/s 。
• CPU多机异步训练
  • 发布面向点击率预估任务的built-in reader，Criteo数据集下IO总吞吐提升1300%。
• GPU多机多卡水平扩展性能提升
  • 新增并行模式：PG（ParallelGraph）、MP（Multi-Process），独立GPU卡之间的计算，提升性能同时，不影响模型精度。
  • 在ResNet50模型，单机8卡V100下，PG, MP模式提升训练性能30%以上；4机32卡，PG模式提速46%，MP模式提速60%。
  • 在BERT模型，8卡V100下，PG, MP模式提升训练性能26%。
  • Multi-Process模式相比Parallel-Graph模式对Reader速度敏感度不高。
• GPU多机多卡垂直扩展性能提升
  • 新增功能：fp16和混合精度训练
  • Fp16单机单卡加速情况：ResNet50提速约87%，BERT提速约70%。
  • BERT同时开启PG和混合精度，单机8卡下单位时间吞吐提升120%。
  • ResNet50同时开启混合精度训练和MP模式，在V100单机8卡、4机32卡下，单位时间吞吐提升100%。
• 典型模型收敛速度优化
  • 新增功能：动态Batch Size，动态Image Resize方法。
  • Resnet50 on Imagenet数据集：训练收敛轮数下降为标准训练方法的1/3左右。

VisualDL

• VisualDL graph支持Paddle fluid保存的模型可视化展示。

Release Notes

Highlights

• Executor and ParallelExecutor interfaces are unified so that users just need to convert the single card model into multi-card model through CompiledProgram, and use Executor for training or inference.
• This version officially releases AnalysisConfig inference interface, which supports optimization of computational graph analysis, operator fusion, etc., and supports the acceleration of third-party libraries such as Intel MKLDNN and Nvidia TensorRT sub-graph engine.
• The model library has initially released PaddlePaddle video model library, which provides 5 classic video classification models and generic structure code suitable for video classification tasks. Users can configure and evaluate the model with efficient configuration in one-click.
• We added support for NLP semantic representation model BERT, which supports multi-card training on multiple machines and mixed-precision training. It improves training speed by 50%+ compared with mainstream implementation, and a complete deployment example is available.
• Large-scale sparse parameter server Benchmark has been released. Asynchronous multi-machine training on CPU releases a built-in reader to significantly improve the IO throughput of click-rate estimation tasks. Performance of multi-machine multi-card training has enhanced in various aspects.
• We added support for Intel Deep Learning Boost(VNNI) on next generation of Intel Xeon Scalable Processors . With that, INT8 inference performance could be improved by 200% over FP32 on some models.

Updates on Basic framework

• Installation
  • Chinese version of the auxiliary installation script is available for Linux and MacOS with an interactive installation method to help users quickly complete PaddlePaddle installation in complex environments.
  • Better support for Windows：cuda8, ​​cudnn7 GPU support and new AVX instruction set, MKLDNN, mnist dataset support are incorporated. The problem is fixed which is incurred when Windows loads the training model with the paddle of the same version from Linux/Mac platform.
• New basic functions for Dynamic Computational Graphs
  • tracer, autograd, python Layer/PyLayer can be carried out for Dynamic Computational Graphs. Dynamic Computational Graphs can run models of MLP, GAN, ptbRNN, Resnet. Dynamic Computational Graphs can perform training through Optimizer and support GPU training.
• Reformed interfaces of Executor and ParallelExecutor
  • The Executor and ParallelExecutor interfaces are unified. Users only need to convert the single card model into a multi-card model through CompiledProgram and use Executor for training or inference.
  • Improved ParallelExecutor
    • Reconstructing MultiDevSSAGraphBuilder makes MultiDevSSAGraphBuilder easier to extend.
    • The improved has removed device locks in ParallelExecutor to promote performance of multi-card scheduling on ParallelExecutor.
• Optimization for intermediate expression IR and Pass
  • Improve the Python interface of C++ IR graph and the Python interface of C++ IR pass.
  • IRGraph class is created in framework.py to prepare for writing IR Pass in Python layer.
  • The new Pass is added which supports unpinned network updates.
  • QuantizationTransformPass is introduced, which is the graph transformations phase performed before the quantization training mode of Quantization Aware Training.
• Optimization of memory and video memory
  • Jemalloc is integrated as a dynamic link library at compile time, to improve performance of memory management and reduce overhead of underlying framework memory management.
  • New video memory optimization strategies are accepted such as memory optimization, inplace pass, memory pool early deletion.
  • A new Pass is supported which supports unpinned network updates.
  • QuantizationTransformPass is introduced, which is the graph transformations phase performed before the quantization training mode of Quantization Aware Training.
• Overall optimization for Operator
  • Each op only does a single scope query before execution, reducing the read-write lock operations (originally it needs to do 1~5 scope queries)
  • Temporary Allocator is integrated to reduce synchronization in op.
  • py_func operator is realised to accept python op. Users can quickly carry out custom unique operations with the aid of py_func Operator.
• Reconstruct DDim, Variable Type and more to reduce the underlying ...

PaddlePaddle 1.2.1

Release Notes

Framework

1. Loss function huber\_loss is included.
2. Promotion of training performance on small models.
3. Tensor type implementation changed from typeindex to enum.
4. Issue fixed: numpy calculation fails because of the failure of import cv2;

Inference

1. Paddle-TRT support multi-thread inference.
2. Include TRT automatically when generating inference lib.
3. Issue fixed: Paddle-TRT pool2d converter bug in ceil mode.

Framework

1、支持 huber loss op
2、针对GPU占比较小模型，提升框架执行时间
3、使用 enum 替换 typeindex 作为 tensor type，提升执行效率
4、Paddle-TRT支持多线程预测
5、生成预测库时，将TRT的lib自动加入到thrid_party中

Bug Fix

1、修复Paddle-TRT pool2d converter 在ceil mode下的bug
2、修复python3下import cv2失败会影响numpy计算的bug

PaddlePaddle 1.2.0

Release Notes

Framework

• new pip installation package is available, which can be run on Windows CPU environment.
• support of python3.6、python3.7
• Reconstruction of memory allocator modular :Allocator. Improvement on memory allocating strategy in CPU environment.
  Increase in utility ratio of video memory (disabled by default, use FLAGS_allocator_strategy to enable it).
• Restriction to the usage of SelectedRows, and fix made to bugs on sparse regulation and sparse optimization.
• Tensor supports DLPack，to facilitate integration of other frameworks or into them.
• OP
  • Issues on inference of expand op shape have been resolved.
  • Activation function Selu is included.

Inference Engine

• Server Prediction
  • GPU supports image fusion, and cooperation with TensorRT to realize image modifying. In common image processing models like Resnet50 and Googlenet, with bs=1, the performance has reached a level 50~100% higher.
  • GPU supports DDPG Deep Explore prediction.
  • Paddle-TRT supports more models, including Resnet， SE-Resnet， DPN，GoogleNet.
  • CPU, GPU, TensorRT and other accelerators are merged into AnalysisPredictor，collectively controlled by AnalysisConfig.
  • Add interfaces to call multi-thread mathematic library.
  • Support for TensorRT plugins，including split operator , prelu operator , avg_pool operator , elementwise_mul operator .
  • This version has included JIT CPU Kernel， which is able to perform basic vector operations, partial implementation of common algorithms including ReLU，LSTM and GRU, and automatic runtime switch between AVX and AVX2 instruction set.
  • FDSFDF optimized CRF decoding and implementation of LayerNorm on AVX and AVX2 instruction set.
  • Issue fixed: AnalysisPredictor on GPU or in the transition from CPU to GPU cannot delete transfer data.
  • Issue fixed: Variable has consistent increase of occupied memory of container.
  • Issue fixed: fc_op cannot process 3-D Tensor
  • Issue fixed: on GPU, when running pass, issues happened to Analysis predictor
  • Issue fixed: GoogleNet problems on TensorRT
  • Promotion of prediction performance
    • Max Sequence pool optimization，with single op performance 10% higher.
    • Softmax operator optimization，with single op performance 14% higher.
    • Layer Norm operator optimization， inclusive of AVX2 instruction set, with single op performance 5 times higher.
    • Stack operator optimization，with single op performance 3.6 times higher.
    • add depthwise_conv_mkldnn_pass to accelerate MobileNet prediction.
    • reduce image analysis time in analysis mode， and the velocity is 70 times quicker.
    • DAM open-source model，reached 118.8% of previous version.
• Mobile Endpoint Prediction
  • This version has realized winograd algorithm， with the help of which the performance of GoogleNet v1 enjoys a dramatic promotion of 35%.
  • improvement on GoogleNet 8bit，14% quicker compared with float.
  • support for MobileNet v1 8bit， 20% faster than float.
  • support for MobileNet v2 8bit， 19% faster than float.
  • FPGA V1 has developed Deconv operator
  • Android gpu supports mainstream network models like MobileNet、MobileNetSSD、GoogleNet、SqueezeNet、YOLO、ResNet.

Model

• CV image classifying tasks publish pre-trained models: MobileNet V1, ResNet101, ResNet152，VGG11
• CV Metric Learning models are extended with loss function arcmargin, and the training method is altered. The new method is to adopt element-wise as pre-trained model, and use pair-wise to make further slight adjustment to improve precision.
• NLP model tasks are newly equipped with LSTM implementation based on cudnn. Compared with the implementation based on PaddingRNN, the cudnn method is 3~5 times quicker under diverse argument settings.
• Distributed word2vec model is included，including the new tree-based softmax operator，negative sampling，in line with classic word2vec algorithms.
• Distributed settings of GRU4Rec、Tag-Space algorithms are added.
• Multi-view Simnet model is optimized， with an additional inference setting.
• Reinforcement learning algorithm DQN is supported.
• Currently compatible python3.x models: Semantic model DAM, reading comprehension BiDAF, machine translation Transformer, language model, reinforcement learning DQN, DoubleDQN model, DuelingDQN model, video classification TSN, Metric Learning, character recognition in natural scenes CRNN-CTC 、OCR Attention，Generative Adversarial Networks ConditionalGAN, DCGAN, CycleGAN, Semantic segmentation ICNET, DeepLab v3+, object detection Faster-RCNN, MobileNet-SSD, PyramidBox, iSE-ResNeXt, ResNet, customized recommendation TagSpace、GRU4Rec、SequenceSemanticRetrieval、DeepCTR、Multiview-Simnet.

Distributed training

• multi-CPU asynchronous training
  • Asynchronous concurrent workers： AsyncExecutor is added. With a executive granularity of single training file, it supports lock-less asynchronous worker-end computation in distributed training, and single machine training. Take CTR task as an example, general throughput from single machine training is 14 times larger.
  • IO optimization：This version has added compatibility with AsyncExecutor to DataFeed; enabled customized universal classification task formats; incorporated CTRReader for CTR tasks to linearly elevate speed of reading data. In PaddleRec/ctr tasks，the general throughput increases by 2 times.
  • Better data communication： As for sparse access Dense arguments, like Embedding, the sparse data communication mechanism is adopted. Take tasks of semantic matching for instance, the amount of fetched arguments can be compressed to 1% and below. In searching groundtruth data, the general output reached 15 times more.
• multi-GPU synchronous training
  • Issue fixed: In Transformer、Bert models, P2P training mode may be hung.

Documentation

• API
  • Add 13 api guides
  • Add 300 entries of Chinese API Reference
  • Improve 77 entries of English API Reference, including Examples and argument explanation and other adjustable sections.
• Documentation about installation
  • Add installing guide on python3.6、python3.7.
  • Add installing guide on windows pip install.
• Book Documentation
  • Code examples in Book documentation are substituted with Low level API.

基础框架

提供新pip安装包，支持Windows下CPU执行。

新增对python3.6、python3.7的支持。

重构内存分配模块Allocator，提升CPU下内存分配策略，提升显存利用率(默认关闭，需要使用FLAGS_allocator_strategy)。

限制SelectedRows的使用。修复了稀疏正则和稀疏优化器的bug。

Tensor支持DLPack，方便被其他框架集成和集成其他训练框架。

修复 expand op shape 推理错误的bug。

支持 Selu 激活函数。

预测引擎

服务器预测

GPU 支持图融合，且支持和 TensorRT引擎混合改图，在Resnet50和Googlenet等图像通用模型上bs=1下性能提升 50%~100%。

GPU支持DDPG Deep Explore预测。

Paddle-TRT对更多模型的支持，其中包括Resnet， SE-Resnet， DPN，GoogleNet。

CPU, GPU, TensorRT 等加速引擎合并入 AnalysisPredictor，统一由 AnalysisConfig 控制。

增加调用多线程数学库的接口。

新增TensorRT plugin的支持，包括split operator， prelu operator， avg_pool operator, elementwise_mul operator。

增加了JIT CPU Kernel，支持基本的向量操作，以及常见的算法包括ReLU，LSTM和GRU的部分实现，可以实现在AVX和AVX2指令集之间自动runtime切换。

优化CRF decoding和LayerNorm在AVX以及AVX2指令集上的实现。

修复了 AnalysisPredictor 在GPU，在CPU 到 GPU 的 transfer data 不删除的问题。

修复了 Variable 中包含 container 内存持续增长的问题。

修复fc_op不支持3-D Tensor的问题。

修复了Analysis predictor 在GPU下执行pass时的问题。

修复了TensorRT下运行GoogleNet的问题。

预测性能提升

Max Sequence pool optimization，单op提高10%。

Softmax operator 优化，单op提升14%。

Layer Norm operator优化，支持avx2指令集，单op提升5倍。

Stack operator 优化，单op提升3.6倍。

增加depthwise_conv_mkldnn_pass，加速MobileNet预测。

加速analysis模式的图分析时间，提升70倍。

DAM开源模型，提升118.8%。

移动端预测

实现winograd算法， GoogleNet v1性能大幅提升35%。

GoogleNet 8bit优化，相比float加速14%。

MobileNet v1 8bit支持，相比float加速20%。

MobileNet v2 8bit支持，相比float加速19%。

FPGA V1 开发了Deconv算子。

android gpu支持MobileNet、MobileNetSSD、GoogleNet、SqueezeNet、YOLO、ResNet等主流的网络模型。

模型建设

CV图像分类任务发布MobileNet V1, ResNet101, ResNet152，VGG11预训练模型。

CV Metric Learning模型新增arcmargin损失，并调整训练方式，采用element-wise作为预训练模型，pair-wise继续微调的训练方式提升精度。

NLP语言模型任务新增基于cudnn的LSTM实现，对比PaddingRNN的实现方式，在不同参数配置下速度提升3~5倍。

增加分布式word2vec模型，包括新增的tree-based softmax operator，negative sampling等，与经典word2vec算法对齐。

新增GRU4Rec、Tag-Space算法的分布式配置。

完善Multi-view Simnet模型，并增加inference配置。

支持强化学习算法 DQN。

现已支持python3.5及以上的模型：语义匹配DAM，阅读理解BiDAF，机器翻译Transformer，语言模型，强化学习DQN、DoubleDQN模型、DuelingDQN模型，视频分类TSN，度量学习Metric Learning，场景文字识别CRNN-CTC 、OCR Attention，生成式对抗网络ConditionalGAN 、DCGAN、CycleGAN，语义分割ICNET、DeepLab v3+，目标检测Faster-RCNN、MobileNet-SSD 、PyramidBox ，图像分类SE-ResNeXt、ResNet等，个性化推荐TagSpace、GRU4Rec、SequenceSemanticRetrieval、DeepCTR、Multiview-Simnet。

分布式训练

CPU多机异步训练

worker异步并发：增加AsyncExecutor，以训练文件作为执行粒度，支持分布式训练中的worker端计算异步无锁计算，同时支持单机训练。以CTR任务为例，单机训练速度，在充分利用单机线程的情况下，整体吞吐提升14倍。

IO优化：增加支持AsyncExecutor的DataFeed，支持可定制化的通用分类任务格式。面向CTR任务，增加CTRReader，使数据读取速度线性提升，在PaddleRec/ctr任务中，整体吞吐提升1倍。

通信优化：针对稀疏访问的Dense参数例如Embedding，增加稀疏通信机制，以语义匹配任务为例，获取参数的总量可以压缩到1%以下，在搜索真实场景的数据下，整体训练吞吐可以提升50倍。

GPU多机同步训练

修复Transformer、Bert模型下P2P训练模式会Hang住的问题。

文档

API

新增13篇API​使用指南。

新增300个API Reference中文文档。

优化77个API Reference英文文档：包括代码示例、参数说明等。

安装文档

新增python3.6、python3.7安装说明。

新增windows pip install安装说明。

Book文档

Book文档中的代码示例更改为Low level API。

使用文档

新增《Operator相关注意事项》，更新《保存与载入模型变量》、《C++预测API介绍》、《使用TensorRT库预测》、《如何贡献代码》等多篇使用文档。

PaddlePaddle 1.1.0

Release Notes

Major New Features and Improvements

Framework

• Memory optimization strategy "eager deletion" now supports sub-block in control flow operators (e.g. if-else, while). Significantly reduce memory consumption of models with control flow operators.

• Optimize split operator, significantly improve performance.

• Extend multiclass_nms operator, supports polygon bounding box.

• Added generate_proposals operator CUDA implementation, significantly improve performance.

• Support fusing affine_channel operator and batch_norm operator, significantly improve performance.

• Optimize depthwise_conv operator, significantly improve performance.

• Optimize reduce_mean operator, significantly improve performance.

• Optimize sum operator, significantly improve performance.

• Optimize top_k operator, significantly improve performance.

• Added new sequence_slice operator. For a sequence, slice sub-sequence based on specified start and length.

• Added new sequence_unpad operator. Support padding Tensor to LoDTensor conversion.

• Added new sequence_reverse operator. roi_align operator, affine_channel operator.

Server Inference

• Added avx, noavx auto switch feature, allow major models to automatically switch among avx, avx2, avx512.

• Improve inference usability: Only need to include 1 header and 1 library.

• Significantly improve inference performance.

Mobile Inference

• Added Mali GPU and Andreno GPU support for mobilenet v1 model.

• Added ZU5, ZU9 FPGA support for resnet34 and resnet50 models.

发布日志

主要新功能和优化

基础框架

• 显存优化策略eager deletion支持control flow (e.g. if-else, while)中子block的优化。显著降低包含control flow的模型的显存开销。

• 优化了split operator，显著提升性能。

• 扩展multiclass_nms operator，支持多边形的预测框。

• 新增generatoe_proposals operator的CUDA实现，显著提升性能。

• 通过affine_channel operator融合batch_norm operator，显著提升性能。

• 优化depthwise_conv operator的forward和backward，显著提升性能。

• 优化reduce_mean operator。

• 优化sum operator，该operator在输入是Tensor的情况下，减少一次zero memory耗时。

• 优化top_k operator，显著提升性能。

• 新增sequence_slice operator，对于一个sequence，可以从指定位置开始，slice出指定长度的subsequence。

• 新增sequence_unpad operator，支持padding Tensor转LoDTensor。

• 新增sequence_reverse operator，roi_align operator，affine_channel operator。

服务端预测

• 增加了部署时 AVX 和 NOAVX 自动切换的feature，可以针对重点模型实现AVX, AVX2, AVX512自动切换
• 提升预测库易用性：只需要 include一个头文件和一个库。
• ICNet 预测性能大幅提升。

移动端预测

• 新增Mali GPU和Andreno GPU上mobilenet v1模型支持。
• 新增ZU5、ZU9等FPGA开发板上resnet34和resnet50模型支持。

PaddlePaddle 1.0.2

Fix SelectedRows type inference.

PaddlePaddle 1.0.1

Fix Windows library dynamic loading program

Fix Mac compile on MacOS 10.14

Fix truncated_normal

Fix manylinux docker build

Correctly set SelectedRows output shape

Correctly integrate tensorRT in inference library.