AI当自强：独家揭秘旷视自研人工智能算法平台Brain＋

机器之心原创

作者：一鸣

随着深度学习逐渐从实验室走向工业应用，各大企业都在探索构建算法架构、实现模型的工具和平台。和使用 TensorFlow 或 PyTorch 等开源框架的公司不同，旷视走向了一条自主研制的道路，建立了从算法研发到部署应用的全流程、一站式人工智能算法平台 Brain++。在 Brain++投入使用 5 年之际，机器之心在此为读者揭开 Brain++的神秘面纱。

旷视自研人工智能算法平台示意图

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。尽管平时在开发中，框架和底层环境没有那么引人瞩目，但没有这些底层技术的支持，优秀的思路和创意也就无从实现。当前，深度学习社区基本上被 TensorFlow 和 PyTorch 两大框架垄断。开源框架固然具有很高的人气和易用性，但是在国际环境变幻莫测的大背景下，是否依赖这些框架就足够保险呢？同时，如果企业有新的想法和业务需求，开源框架能否完美实现？是否能够无缝嵌入业务之中？这些都是 AI 企业需要思考的问题。

近日，旷视自主研发的人工智能算法平台 Brain++荣获第六届世界互联网大会「世界互联网领先科技成果」。

旷视联合创始人兼 CTO 唐文斌在大会上表示，「2014 年我们开始研发 Brain++，它是一套端到端的 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。我们的 Brain++还引入了 AutoML 技术，可以让算法来训练算法，让 AI 来创造 AI。」

通过旷视从 2014 年开始自研深度学习框架，到现如今构建了一整套围绕 AI 开发的整体系统，似乎以上这些问题可以得到一个解答。

Brain++：旷视自研人工智能算法平台

很多人会误以为这仅仅只是旷视的一个深度学习框架，或者是企业内部开发的云计算平台。而事实上，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++涵盖了深度学习算法开发的整个流程。

具体而言，Brain++涵盖了深度学习算法开发的所有环节。从数据的获取、清洗、预处理、标注和存储开始，到研究人员设计算法架构、设计实验环节、搭建训练环境、训练、加速、调参、模型效果评估和产生模型，到最终的模型分发和部署应用，Brain++为旷视的研发人员提供了一站式全流程的 AI 工程解决方案。

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。

据旷视方面透露，Brain++ 其实是国内很早就开始研发构建的深度学习系统之一。早在 2014 年，Brain++ 就已经开发出来，在当时作为算法框架在公司内部开始使用。其中，旷视在 2017 年拿下 3 项 COCO 冠军，2018年拿下 4 项 COCO 冠军，以及今年发布的全新的通用物体检测数据集 Objects365，都与 Brain++ 的功劳密不可分。

人工智能平台 Brain++这一系统内部是什么样的？机器之心接下来会按照组成模块进行解读。

三大支柱模块成就 Brain++

旷视原创自研的新一代人工智能算法平台 Brain++由三大支柱构成，分别是深度学习框架 MegEngine、深度学习云计算平台 MegCompute 和数据管理平台 MegData。

MegEngine：极致性能

MegEngine 是 Brain++的核心组件，是为开发者和研究人员提供开发的深度学习框架。这一框架主要用于旷视内部进行计算机视觉领域的算法开发工作，包括大规模的人脸识别、图像分割、姿态识别等。

1. 基于计算图的深度学习框架

MegEngine 的整体架构。

从架构来说，MegEngine 分为四个层，包括计算引擎、运行时管理、编译和优化以及编程和表示。计算引擎以 MegDNN 为核心，发挥计算作用。MegDNN 是一个基于异构架构，有着统一的交互方法的内核，可以根据设备本身启发式地选择最优内核，也可以让用户自己选择最适合的内核进行计算。

在运行时管理层中包括两个模块，分别是内核调度和内存管理和优化两大模块。在内存管理和优化模块中，MegEngine 采用了动态、静态内存分配并存的方式。

在编译层和优化层，MegEngine 使用了基于计算图的编译和优化方法。编程和表示层进行用户交互，能够使用高级编程语言（如 Python）执行用户的命令。

2. 框架优势

旷视的深度学习框架 MegEngine 有着多种多样的优势，相比于开源的大部分深度学习框架，MegEngine 具有：

运算速度快：MegEngine 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。

3. 和主流深度学习框架对比

MegEngine 之所以能够成为的核心算法框架，主要依靠其底层几大技术。

首先，MegEngine 基于 C++开发，可帮助用户借助编程语言进行高性能的运算执行。在框架内部，使用了目前流行的计算图方式。和其他框架不同，MegEngine 使用的是异构架构，方便使用框架进行分布式计算。

此外，MegEngine 内部的计算以算子的形式进行，它支持多种算子节点和变量算子，包括常用的卷积、全连接、ReLU 和用户可定制的算子，甚至可以计算二阶梯度，从而进行更多底层和灵活的运算。可以说，MegEngine 在尽全力提升深度学习计算性能的基础上，为用户提供了灵活易用的模型构建工具，极大地提升了开发效率。

根据旷视提供的资料，MegEngine 和当前开源的主流深度学习框架——TensorFlow、PyTorch 进行了对比。

MegEngine和 TensorFlow、PyTorch 框架的性能对比。

从图上可以看出，在主流的计算机视觉模型（Resnet50 和 ShuffleNet V1）上，MegEngine 在训练上可以和主流框架媲美。

4. 并行计算支持

值得一提的是，MegEngine 为了提升大规模图像数据进行处理和模型训练的效率，在分布式计算方面下足了功夫。分布式计算中的数据并行和模型并行方式都被用在了 MegEngine 中，极大提升了模型训练效率。

在模型并行方面，MegEngine 提供原语级别的支持，方便用户进行模型并行设置和执行。最终，模型并行可以和数据并行模式混合使用。有了深度学习框架天生对分布式计算的支持，MegEngine 在训练和推理效率上达到了很高的水平。

5. 原生 AutoML 支持

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。

旷视 AutoML 技术图示。

相比于市场上的 AutoML 技术，旷视的 AutoML 技术有以下优势：

计算代价小。传统的 AutoML 技术常常需要多次训练模型甚至会遍历部分模型空间，计算代价巨大。旷视的 AutoML 技术只需训练一次即可得到整个模型空间的刻画，大大减小了计算代价，只是平常训练代价的 1-3 倍。

应用范围广。旷视 AutoML 技术提供了一套完整的解决方案，覆盖了大部分业务，包括活体检测、人脸识别、物体检测、语义分割等。

部署方便。旷视 AutoML 技术涵盖了数据处理、模型训练、模型压缩、模型量化等流程，自动处理从数据到落地。

精度高。旷视 AutoML 技术在诸多视觉任务上，超过人类手工设计，达到了业界最优。

除了支持深度学习框架中所有的基本功能，MegEngine 还有很多高级功能，如支持神经架构搜索、网络剪枝和构建低比特的小型神经网络（基于旷视提出的 DoReFaNet）等。

MegCompute：高效灵活

有了性能极佳的深度学习框架和全面的数据平台支持，Brain++也需要强大的算力支撑才能发挥完全的能力。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，称为 MegCompute。

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 平台的整体架构。

MegCompute 的总体架构可以概括为「三驾马车」，分别为基础设施、数据存储和计算。基础设施方面，通过高性能硬件支持深度学习计算和大规模数据传输。在数据存储方面，考虑到计算机视觉数据普遍为海量小文件，数据存储平台采用了分布式对象存储系统，具有大容量可弹性扩展的存储能力。此外，在云计算方面，使用精细的算力管理方式，给用户灵活分配计算资源，同时避免算力浪费。

MegCompute会为每个用户会分配若干台虚拟机做开发，这称之为 Workspace, 其中自带了 JupyterLab 方便研究员使用；旷视还通过开发可分享的插件，方便研究员将 JupyterLab 中的内容分享给指定的同事。为杜绝浪费，Workspace 中不带 GPU，那训练程序需要 GPU 怎么办呢？

MegCompute 提供了一种新颖的动态分配使用 GPU 的方式，当需要使用 GPU 运行程序时，可使用 rlaunch 命令将程序直接分配到若干台 GPU 运行，并可以在终端的标准输出获取到远程命令执行的结果。这种方式跟任务提交相比，可以做到无缝执行，不需要将程序打包成镜像进行分发，因为 rlaunch 可以做到跟本地拥有 GPU 类似的使用体验，而广受研究员欢迎。

此外，计算平台提供任务的优先级机制，让集群资源能够高效的利用。同时，通过 GPU 拓扑和网络拓扑感知功能，让大规模多机训练的网络更加快速和稳定，达到更高效的训练效率。

总体而言，MegCompute 从功能上，真正将旷视自研的深度学习框架扩展到了企业级别的系统服务平台，通过连接硬件、数据和深度学习框架，将构建深度学习模型的所有环节串联了起来。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，不需要关注太多的底层技术细节，使用非常方便。

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：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 是负责提供数据方面的服务，主要有四个方面：1）数据管理；2）数据标注；3）数据处理；4）数据安全。

旷视 Brain++的核心组件 MegData。

旷视在研发过程中需要使用大量的图像数据，因此需要一个综合平台提供管理、标注、处理和存储安全相关的服务。根据旷视介绍，MegData 可以提供完整的数据服务，为用户提供了全流程的解决方案。

在标注方面，MegData 提供了数据标注相关的服务，将人工标注和辅助算法相结合，提升标注效率。经过多次的业务打磨，MegData 平台现已拥有全生命周期的项目管理平台，进一步实现 AI 助力，解放人工。另外，MegData 还将旷视原创算法引入标注平台中，利用数据辅助算法实现标注效率的大幅提升。这些标注算法都是基于云的，可以伸缩和扩展。

在自动标注上，旷视采用了很多算法。比如，使用聚类算法，旷视可以使某项标注任务的成本下降为原有的 10%。一些标注任务通过算法辅助验收，效率提升 150% 以上。

相比于其他同类平台，MegData 在数据层面为 AI 模型研究提供了安全、高效的数据存储和处理方式。同时，由于它是基于云的，具有很高的灵活性。最后，MegData 补全了 AI 算法研发中数据处理的缺失环节，使研发人员不需要花太多精力在数据层面，很大程度上提升了效率，节省了时间和研发成本。

总体而言，虽然不似其他两个 Brain++模块那样引人关注，MegData 在系统中发挥着重要的功能，负责完成了深度学习训练前很大一部分的数据管理、处理、标注和安全的工作。这些都是整个流程环节必不可少的。

自研平台驱动整体技术发展

Brain++系统凸显了旷视在技术开发上的三个趋势。首先，Brain++完全是自主研发的深度学习系统，涵盖了 AI 业务的整体流程。这说明旷视能够完全掌握核心的研发工具和平台。旷视 Brain++是为计算机视觉场景而专门研发的，这是一个以业务为导向的专业 AI 服务系统，因此旷视可以拿出很多精力，针对业务中的需求提出专门的解决方案，而新方法可以快速在实际应用中得到测试和验证，通过业务驱动框架的发展。

最后，由于旷视对 Brain++本身具有完整的掌握能力，并且通过计算机视觉相关场景驱动 Brain++的发展，它的迭代速度非常快。当前，新算法层出不穷，企业急需要能够快速实现算法的人工智能平台，能够迅速将新方法投入实际的生产中。Brain++能够快速根据新的变化进行调整，能够为旷视在新技术的研发和应用上抢占先机，使企业牢牢占领技术高地，保持技术能力常新常青。

本文为机器之心原创，转载请联系本公众号获得授权。

------------------------------------------------