2020 年 2 月 27 日飞桨核心框架（以下简称Paddle）发布了1.7版本，这也是Paddle在2020年首个重大更新，下面让我们来看看具体的更新内容。
Paddle 1.7版本对框架功能层面进行了重点增强，预测部署能力全面提升，分布式训练发布PLSC支持千万规模分类任务，并对参数服务器模式进行了优化整合。对编译选项、编译依赖以及代码库进行了全面清理优化。模型库持续完善，优化了整体层次结构，增加了动态图模型实现。端到端开发套件和工具组件进一步完善。
01 训练框架
-
增加自动混合精度训练AMP接口和新控制流接口。
-
优化Tensor使用方式和显存分配策略。
-
新增支持NVIDIA DALI GPU数据预处理库。
-
持续优化基础OP的功能和性能。
-
动态图的功能进一步完善，性能大幅提升，对Data Independent的动态图模型提供转为静态图可预测部署模型的功能。
-
框架调试分析功能和易用性全面提升。
02 预测部署
-
服务器端预测库的Python API大幅优化，新增R语言、Go语言的预测API，并增加相关的使用方法和示例，强化了量化支持能力。
-
Paddle Lite支持无校准数据的训练后量化方法生成的模型，加强对OpenCL的支持，支持昆仑XPU的预测。
-
模型压缩库PaddleSlim重构裁剪、量化、蒸馏、搜索接口，与模型库充分打通，新增大规模可扩展知识蒸馏框架Pantheon。
03 分布式训练
-
参数服务器模式下统一了Transpiler半异步、全异步和GEO的实现模式，后端实现上统一到Communicator中，前端接口统一到fleet中，通过fleet strategy灵活选择不同模式。
-
发布大规模分类库PLSC，通过模型并行支持超多类别的分类任务。
04 基础模型库
-
发布语音合成库Parakeet，包括多个前沿合成算法。
-
PaddleCV新增14个图像分类预训练模型，3D和跟踪方向模型持续丰富。
-
PaddleNLP的分词和词性标注模型支持jieba分词。
-
PaddleRec增加多任务模型MMoE。
-
模型库整体增加了广泛的动态图模型实现。模型库整体层次结构做了调整优化。
05 端到端开发套件
-
PaddleDetection和PaddleSeg新增大量模型实现及预训练模型，提升了典型模型的训练速度和精度，大幅提高模型压缩和部署能力，使用体验得到了全面优化。
-
发布ElasticRec推荐排序系统，通过K8S进行部署，支持流式训练和在线预测服务。
06 工具组件
-
PaddleHub新增52个预训练模型，总数超过100，功能和体验持续优化。
-
多任务学习框架PALM升级内核，开放API调用，支持更多的任务类型。
-
联邦学习PaddleFL新增了公开数据集。
-
深度强化学习框架PARL和飞桨图学习框架PGL也对应版本升级，支持更多功能，开放更多算法和基线。
具体更新内容请参考：
https://github.com/PaddlePaddle/FluidDoc/blob/release/1.7/doc/fluid/release_note_cn.md
如果您加入官方QQ群，您将遇上大批志同道合的深度学习同学。官方QQ群：703252161。
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
官网地址：https://www.paddlepaddle.org.cn/?fr=osc
飞桨项目地址：https://github.com/PaddlePaddle
来源：oschina
链接：https://my.oschina.net/u/4067628/blog/3190753