腾讯AI Lab宣布开源PocketFlow项目 提供技术支持

　　11月1日，腾讯AI Lab在南京举办的腾讯全球合作伙伴论坛上宣布正式开源“PocketFlow”项目， 该项目是一个自动化深度学习模型压缩与加速框架，整合多种模型压缩与加速算法并利用强化学习自动搜索合适压缩参数，解决传统深度学习模型由于模型体积太大，计算资源消耗高而难以在移动设备上部署的痛点，同时极大程度的降低了模型压缩的技术门槛，赋能移动端AI应用开发。

　　这是一款适用于各个专业能力层面开发者的模型压缩框架，基于Tensorflow开发，集成了当前主流与AI Lab自研的多个模型压缩与训练算法，并采用超参数优化组件实现了全程自动化托管式的模型压缩。开发者无需了解具体模型压缩算法细节，即可快速地将AI技术部署到移动端产品上，实现用户数据的本地高效处理。

　　据介绍，目前该框架在腾讯内部已对多个移动端AI应用模型进行压缩和加速，并取得了令人满意的效果， 对应用整体的上线效果起到了非常重要的作用。

　　在腾讯公司内部，PocketFlow框架正在为多项移动端业务提供模型压缩与加速的技术支持。例如，在手机拍照APP中，人脸关键点定位模型是一个常用的预处理模块，通过对脸部的百余个特征点(如眼角、鼻尖等)进行识别与定位，可以为后续的人脸识别、智能美颜等多个应用提供必要的特征数据。基于PocketFlow框架，对人脸关键点定位模型进行压缩，在保持定位精度不变的同时，大幅度地降低了计算开销，在本身已经十分精简的网络上取得了1.3 ~ 2倍不等的加速效果，压缩后的模型已经在实际产品中得到部署。

　　在人体体态识别项目中，PocketFlow更是在满足上线精度的要求下，使得模型推理速度有3倍以上的加速， 为项目的移动端落地起到了决定性的作用。