PAI-Diffusion模型来了！阿里云机器学习团队带您徜徉中文艺术海洋-知乎作者：汪诚愚、段忠杰、朱祥茹、黄俊导读近年来，随着海量多模态数据在互联网的爆炸性增长和训练深度学习大模型的算力大幅提升，AI生成内容（AIGeneratedContent，AIGC）的应用呈现出爆发性增长趋势。其中，文图…https://zhuanlan.zhihu.com/p/590020134EasyNLP中文文图生成模型带你秒变艺术家-知乎作者：汪诚愚、刘婷婷导读宣物莫大于言，存形莫善于画。--【晋】陆机多模态数据（文本、图像、声音）是人类认识、理解和表达世间万物的重要载体。近年来，多模态数据的爆炸性增长促进
作者：曹庭锋、汪诚愚、吴梓恒、黄俊背景StableDiffusion（SD）是一种流行的AI生成内容（AIGeneratedContent，AIGC）模型，能在文字输入的基础上生成各种风格多样的图像。在目前的AIGC方向，SD是开源社区最热门的模型。然而，SD能够生成高颜值的图像，非常依赖于用户提供的Prompt。如果没有好的Prompt，SD往往无法生成用户预期的图像，极大的影响用户的使用体验。在先前的工作中，阿里云机器学习PAI团队在AIGC方向做了很多探索，包括PAI-Diffusion中文模型的开源、基于Blade的推理优化等，并且推出一系列行业解决方案。为了提升SD系列模型的易用性、
背景AIGC是人工智能计算领域里发展迅速的重要业务。StableDiffusion是其中最热门的开源模型，受到广泛关注。然而，随着应用场景不断扩大，StableDiffusion所面临的推理时延和计算成本问题也越来越突出。简介PAI-Blade是PAI推出的通用推理优化工具，可以通过模型系统联合优化，使模型达到最优推理性能。PAI-Blade依托于完全动态尺寸的AI编译器BladeDISC和基于深度学习自动调度的高性能计算库BlaDNN，为包括图像生成模型StableDiffsuion,大语言模型LLM,大规模稀疏推荐模型CTR,语音识别模型ASR等等在内的众多模型提供自动的高性能推理优化。B
ML：阿里云计算平台之搜索推荐演讲分享《多场景智能推荐助力业务增长》、《阿里云智能推荐应用实践：PAI-EasyRecFramework》、《新一代数仓架构漫谈》目录《多场景智能推荐助力业务增长》开箱即用+推荐精准+灵活适配实时的互动式推荐功能新商品冷启动物品圈选、人群圈选、流量策略标签沉淀、人群分析、人群圈选基于归档算法定制召回和排序基于原子组件定制为趣短视频个性化推荐方案阿里云智能推荐应用实践：PAI-EasyRecFramework智能推荐流程及挑战个性化推荐模型EasyRecFramework:morethanacollectionsofmodelsEasyRec的优势：多平台训练，部
ML：阿里云计算平台之搜索推荐演讲分享《多场景智能推荐助力业务增长》、《阿里云智能推荐应用实践：PAI-EasyRecFramework》、《新一代数仓架构漫谈》目录《多场景智能推荐助力业务增长》开箱即用+推荐精准+灵活适配实时的互动式推荐功能新商品冷启动物品圈选、人群圈选、流量策略标签沉淀、人群分析、人群圈选基于归档算法定制召回和排序基于原子组件定制为趣短视频个性化推荐方案阿里云智能推荐应用实践：PAI-EasyRecFramework智能推荐流程及挑战个性化推荐模型EasyRecFramework:morethanacollectionsofmodelsEasyRec的优势：多平台训练，部
近年来，随着稀疏模型对算力日益增长的需求,CPU集群必须不断扩大集群规模来满足训练的时效需求，这同时也带来了不断上升的资源成本以及实验的调试成本。 为了解决这一问题，阿里云机器学习PAI平台和阿里妈妈智能引擎训练引擎团队合作开发了稀疏模型高性能同步训练框架HybridBackend，使得在同成本下GPU集群训练吞吐较CPU集群提升至5倍，大幅降低调试成本，同时HybridBackend相关论文《PICASSO:UnleashingthePotentialofGPU-centricTrainingforWide-and-deepRecommenderSystems》也被ICDE22'所收录。Hy
近年来，随着稀疏模型对算力日益增长的需求,CPU集群必须不断扩大集群规模来满足训练的时效需求，这同时也带来了不断上升的资源成本以及实验的调试成本。 为了解决这一问题，阿里云机器学习PAI平台和阿里妈妈智能引擎训练引擎团队合作开发了稀疏模型高性能同步训练框架HybridBackend，使得在同成本下GPU集群训练吞吐较CPU集群提升至5倍，大幅降低调试成本，同时HybridBackend相关论文《PICASSO:UnleashingthePotentialofGPU-centricTrainingforWide-and-deepRecommenderSystems》也被ICDE22'所收录。Hy
喜马拉雅作者：李超、陶云、许晨昱、胡文俊、张争光、赵云鹏、张玉静喜马拉雅AI云借助阿里云提供的HybridBackend开源框架，实现了其推荐模型在GPU上的高效训练。业务介绍推荐场景是喜马拉雅app的重要应用之一，它广泛应用于热点、猜你喜欢、私人FM、首页信息流、发现页推荐、每日必听等模块。这些模块都依赖于喜马拉雅AI云，这是一套从数据、特征、模型到服务的全流程一站式算法工具平台。推荐服务的一个核心诉求是能快速捕捉和反映用户不断变化的兴趣和当前热点，这就要求模型能在短时间内，以可控的成本完成对海量用户数据的训练。使用GPU等高性能硬件来加速模型训练已经成为CV，NLP等领域的行业标准；在使用
