百度深度学习平台PaddlePaddle是大规模并行分布式深度学习框架,易学易用、高效灵活,支持海量图像识别分类、机器翻译和自动驾驶等多个领域的业务需求,现已全面开源。
PaddlePaddle 的性能表现及优势

可伸缩性

支持多种集群框架:MPI,Kubernetes,支持GPU集群资源动态分配。(Paddle官方支持Kubernetes)

高效性

速度快,RNN比主流深度学习框架快1~2倍、显存占用更小、高效的多显卡环形通信与高效的多机PServer通信。支持数十亿参数的超大规模稀疏训练

易用性

RNN 采用无padding计算,seq2seq 模型通过非常简单的配置,可以直接训练和生成 Tensorflow的多显卡多机训练需要使用者自定义如何通信,PaddlePaddle单机代码和多机多卡代码完全一致,无痛从单机训练透明伸展到大规模集群训练

支持 MKL-DNN

Intel 7月加入开源贡献,PaddlePaddle 成为第一个官方支持 MKL-DNN 的深度学习框架
PaddlePaddle的发展历程/迭代信息

2013年

成立并开始服务百度内多项核心业务

2016年9月

宣布开源

2017年2月

PaddlePaddle on Kubernetes 发布,是首个支持Kubernetes的深度学习平台

2017年3月

New API PaddlePaddle V2发布,大幅精简了PaddlePaddle的代码

2017年5月

PaddlePaddle Cloud 正式发布

2017年7月

正式启动注册报名,开放训练数据集1,使用所提供的训练数据,作建模与训练。

2017年11月

发布新一代深度学习框架Paddle Paddle Fluid、新一代弹性深度学习框架PaddlePaddle EDL (elastic deep learning)