建设厅网站总经济师是干什么的,比较好的公司网页制作,卖网站模板赚钱吗,校园网站建设工作计划飞桨开发者技术专家#xff08;PPDE#xff09;谢杰航研究方向为AI城市规划、景观设计、生态环境及农业等领域的应用落地。他在此前Wave Summit 2023深度学习开发者大会上为大家带来了主题为《大模型时代的开发者#xff1a;从飞桨PPDE到文心布道师》的演讲。本次演讲共分为… 飞桨开发者技术专家PPDE谢杰航研究方向为AI城市规划、景观设计、生态环境及农业等领域的应用落地。他在此前Wave Summit 2023深度学习开发者大会上为大家带来了主题为《大模型时代的开发者从飞桨PPDE到文心布道师》的演讲。本次演讲共分为三个部分从文科生到人工智能从业者、从深度学习到大模型和大模型与风景园林的深度融合。 从文科生到人工智能从业者 谢杰航最大的标签是文科生非科班出身。2019年在没有任何基础的情况下他系统学习了《百度架构师手把手教深度学习》《机器学习的思考故事》等课程打下了坚实的基础。对他来说2020年是求知探索的一年也是学习最痛苦的一年一路打怪升级深度学习《高层API助你快速上手深度学习》《七天训练营》等一系列课程从一名新手小白成长为行家里手。2021年开始陆续为飞桨的开源社区做一些产业级的解决方案包括并行化识别、无人机环境巡航等的开源项目。最后在2021年9月谢杰航成为了飞桨开发者技术专家。 在开源社区谢杰航不仅参加了开发者大会、飞桨开发者等丰富多彩的线下活动在线上他还创作精选项目、加入飞桨兴趣小组与飞桨社区共同成长。 不论工程优化或者前沿算法多么复杂都可以在飞桨解决端到端的问题不需要用户到处去找开源库去攒自己的方案。百度飞桨在2021年就发布了业界首创的4D混合并行技术并且依赖这套技术数次在国际权威的Benchmark MLPerf Training上做到了世界范围的性能第一。 目前PPDE已经成为国内AI领域最活跃的荣誉体系之一主要有3个特点 1、覆盖区域广泛分布于33个省级行政区已有超过三百位成员。 2、活动形式多元定期组织活动形式多元的活动例如社团市集、极客沙龙、AI体验、技术讲座等活动。 3、开源贡献丰富飞桨开发者技术专家从算子、底层代码、产业及案例等方面为飞桨开发者社区做了很多开源的贡献。  从深度学习到大模型 今年由于大模型的快速发展对开发者来说既是一次机遇又是一次挑战。从普通的开发者变成大模型的开发者所有的开发项目都围绕大模型进行。然而从以前的传统方式到现在的大模型方式需要一个转变的历程。 传统人工智能应用开发方式首先要有明确的业务需求然后根据业务需求去寻找数据或者标准数据进行大量的数据公测其次要有模型开发模型训练模型评估模型压缩模型加密模型部署最后将模型结合一些工程的开发变成一个应用。 基于文心大模型应用开发的范式是截然不同的。同样是从业务需求开始但是从数据工程环节之后却有很大变化。大模型最大的改变就是模型层面现在很少有开发者研究模型因为所有的开发都是基于大模型基座进行。就像文心一言一样调参、微调训练、评估、部署、运维都实现了一体化全自动。之前做AI应用特别是大模型应用的时候谢杰航总担心服务会不会挂掉。现在交给文心大模型背后的运维团队后只需要关注业务就行。 所以大模型时代在建模方面不需要做过多努力可直接利用API做应用。API结合Prompt模板管理优化或者使用流行的插件库然后融入工作流业务流就能快速产生一个业务应用。 人工智能到大模型转向其开发核心没有改变依然是模型、算力和数据三要素真正改变的是开发思维。 在模型方面通常很少去调整大模型结构因为一旦调整就要重新训练所有参数一般开发者无法承受这样的训练成本压力所以会选择大模型基座。在算力方面由于硬件成本无法改变所以把着重点放在推理加速、模型量化、压缩等技术上这样就能用更少资源和算力把大模型运行起来这是一个普通开发者需要关注的方向。在数据方面只要把更多时间和资金投入到现在高质量、多模态数据的标注上就能改变大模型生成结果这是开发者能最大限度改动调优的部分。 因此要做好全面储备拥抱大模型的趋势深入了解前沿知识快速提升技术能力积极实践参加比赛全面拓宽认知。 大模型与风景园林的深度融合 一个大模型的技术落地到业务需要关注以下3个方向。 解构业务找准需求 由于大模型的推理成本很高必须要在业务流中弄清楚哪些适用大模型哪些适用普通模型、小模型然后通过对业务流的解构进而找到对应的需求最后决定用大模型去开发哪些应用。 社区资源支持为项目实现保驾护航 开源社区提供飞桨大模型开发套件、社区精选大模型开源项目、大模型开发课程等等资源。飞桨AI Studio星河社区提供GPU算力支持开发者可以直接一键Fork这些项目调换好数据就能生成自己的项目。 落地案例 基于文心大模型和飞桨AI Studio星河社区谢杰航完成了景观效果图生成器、仙人掌 Cactus、城市规划法规标准查询助手三个案例因为有充足的算力、数据、模型基座和开发套件三个案例应用落地时间平均不到两天。其中景观效果图生成器是最难的案例用了整整两天时间。其他两个案例都是基于PaddleNLP的一些基座模型进行微调开发速度非常快。 成为文心布道师后谢杰航在线上、广州、上海进行应用分享探索出了开发者的发展路径最大的感受是 同频共振快速成长。通过布道去推动自己主动追踪学习和掌握当下最新开源技术紧跟国际技术变化趋势才不会落后于时代才能与时代同频共振。开放交流开源共建。与开源社区的开发者保持密切的交流和信息互通了解行业对大模型的落地需求共同探索、攻克行业大模型落地的难点与开源社区共建大模型生态。技术融合全栈能力。与以往基于云计算、大数据的开发技术栈不同大模型开发落地需要更强的计算能力、更灵活的资源调度和管理能力以及弹性容错机制大模型开发者除了需要掌握开发技术栈以外还需要对数据工程和运维管理技术有所了解才能保证大模型应用顺利落地。 本篇文章根据WAVE SUMMIT 2023深度学习开发者大会讲稿整理而成 ‍‍ 关注【飞桨PaddlePaddle】公众号 获取更多技术内容~