戳上面的蓝字关注我们哦！
寄语这世界，就像薛定的猫一样，很多事情，你傻着，
或者你装傻着，不点破他，你会活的很舒服，
一旦你认真了，那世界也就跟你认真了。

? Brain 的人工智能算法平台      10月20日-22日，第六届世界互联网大会在中国乌镇召开。在此次大会的重头戏“世界互联网领先科技成果”发布活动上，人工智能独角兽旷视发布了名为Brain 的人工智能算法平台。

       据旷视联合创始人兼首席技术官唐文斌介绍，Brain 是“一套端到端的AI算法平台，目标是让研发人员获得从数据到算法产业化的一揽子技术能力，不用重复造轮子也可以推进AI快速落地。Brain 还引入了AutoML技术，可以让算法来训练算法，让AI来创造AI。”
? Brain++         如果说算法模型是果实，那么开发它的环境和框架就是培育果树的土壤。当前，深度学习社区基本被 TensorFlow 和 PyTorch 两大框架垄断。

   从04年到今天，事实上Brain 在旷视内部已成为了支撑算法研究和开发的整体基础底层平台。
? Brain++三部分      总体架构上，Brain 可以大体分为三部分，包括作为主体的深度学习算法开发框架MegEngine、提供算力支持的MegCompute、以及用于提供数据服务和支持的MegData。

? MegEngine MegEngine的整体架构
      MegEngine是基于计算图像的深度学习框架，相比于开源的大部分深度学习框架，MegEngine具有以下优势：
运算速度快：MegEngine拥有动态、静态结合的内存优化机制，因此速度比 TensorFlow 更快；
内存占用少：通过分析整个执行方案的内存使用情况，MegEngine充分优化内存，特别是亚线性内存优化，可以支持复杂的网络结构，自动利用部分冗余计算缩减内存占用，可达两个数量级，从而支持更大规模的模型训练；
易用性好：MegEngine封装了平台细节，易于新人用户快速上手；
支持多种硬件平台和异构计算：MegEngine支持通用      CPU、GPU、FPGA 以及其他移动设备端硬件，可多卡多机进行训练；
训练部署一体化：整个框架既可用于训练又同时支持推理，实现模型一次训练，多设备部署，避免复杂的转换过程造成的性能下降和精度损失。

     另外，MegEngine 还集成了旷视最新的AutoML技术，对深度学习算法的各个关键环节进行自动化的设计、搜索和优化。这项技术以One-Shot方法为核心，通过一次训练完成自动化过程，将计算代价减小至传统AutoML方法的万分之一，在可控的时间内搜索出高性能、易部署的模型结构。    
?MegCompute   MegCompute：高效灵活
     深度学习框架的基础之上，旷视开发出了支撑整个平台计算的系统，被称为MegCompute。
 MegCompute 平台的整体架构
    这是一个包括了硬件基础设施、数据存储和计算调度的平台，用于协助研究人员部署训练环境、设计训练流程、提供算力和资源分配服务、监控实验进程、提供可视化效果展示、管理用户权限、存储数据等。
MegCompute有以下几大特点：
性能强大：MegCompute有丰富的GPU计算资源，同时也支持各类硬件，可灵活高效地分配计算任务。
全流程覆盖：MegCompute支持模型构建的全部流程环节，让研究人员能够实现一站式的业务应用服务，满足工业级的AI能力研发测试、部署上线和业务生产方面的工作。
弹性部署：MegCompute采用了Docker容器技术，可以让用户弹性化地构建部署训练环境，在不需要使用的时候直接销毁，使得资源可以及时释放给其他用户，具有非常弹性的特点。
用户友好：用户使用过程中，通过可视化界面进行环境搭建和训练设计方面的工作，也可以通过可视化的方式查看模型测试的结果。
支持多种深度学习框架：除了和MegEngine自研深度学习框架紧密结合外，MegCompute也支持使用TensorFlow和PyTorch。
?MegData MegData：数据综合处理
     在构建模型的时候，也需要大量的数据支持。

       Brain 中的MegData负责提供数据方面的服务，主要包括四个方面：1）数据管理；2）数据标注；3）数据处理；4）数据安全。
戳“往期精选”一起来充电吧!
 往期精选
 2019.10.28
 网络安全技术原理    如何保护您的域名系统免遭劫持？    网络安全——开篇
 长按二维码识别