2018年12月14日，MLPerf是由谷歌，斯坦福，哈佛和百度等機構(gòu)組織聯(lián)手打造的組織，旨在為衡量機器學(xué)習(xí)軟件框架，硬件加速器和云平臺的系統(tǒng)級性能建立一套通用行業(yè)基準。它為云端訓(xùn)練與推理，以及設(shè)備邊緣推斷提供了基準。今天，F(xiàn)acebook宣布正式加入MLPerf，并開源Mask R-CNN2Go。

　　Facebook表示：“我們長期以來都一直支持框架和硬件之間的開源標準和互操作性，通過開放式神經(jīng)網(wǎng)絡(luò)交換(ONNX)和PyTorch等項目來推動機器學(xué)習(xí)的創(chuàng)新。開發(fā)行業(yè)標準的機器學(xué)習(xí)模型與基準可以幫助研究人員和工程師更好地評估和展示其工作的影響，而這正是我們支持MLPerf計劃的原因。”

　　作為這一努力的組成部分，F(xiàn)acebook成立了專門的工作組來識別和應(yīng)對基準創(chuàng)建的不同方面所出現(xiàn)的挑戰(zhàn)，他們同時開源了Mask R-CNN2Go，一個針對嵌入式和移動設(shè)備優(yōu)化的計算機視覺模型。

　　Facebook AI Infra研究科學(xué)家Carole-Jean Wu是MLPerf Edge Inference工作組的聯(lián)合主席。Facebook指出：“與其他行業(yè)和學(xué)術(shù)組織一道，我們將為邊緣推理類別提供基于開源數(shù)據(jù)集訓(xùn)練的基準參考實現(xiàn)。對于圖像分類用例，我們將提供最先進的ShuffleNet模型實現(xiàn)。對于姿勢估計用例，我們將提供由Facebook移動視覺研究人員開發(fā)的Mask R-CNN2Go模型實現(xiàn)。隨著越來越多的機器學(xué)習(xí)正發(fā)生在邊緣，我們有必要為邊緣推理用例定義代表性的基準，并幫助社區(qū)描述設(shè)備推理執(zhí)行的性能瓶頸，同時設(shè)計和優(yōu)化系統(tǒng)，從而實現(xiàn)高效的設(shè)備本地推理解決方案。”

　　開源Mask R-CNN2Go

　　作為MLPerf貢獻的一部分，F(xiàn)acebook將開源Mask R-CNN2Go，一個針對嵌入式和移動設(shè)備優(yōu)化的領(lǐng)先計算機視覺模型。Mask R-CNN2Go構(gòu)成了各種設(shè)備本地機器學(xué)習(xí)用例的基礎(chǔ)：對象檢測，分類，分割和身體姿勢估計，并支持準確與實時的推理。主模型是基于更廣泛的Mask R-CNN框架。顧名思義，MaskRCNN2Go專為移動設(shè)備而設(shè)計和優(yōu)化。

　　Mask R-CNN2Go目前運行在Caffe2，并計劃運行在PyTorch 1.0，因為為了給開發(fā)者提供從研究到創(chuàng)建的無縫路徑，機器學(xué)習(xí)框架正繼續(xù)增加更多的功能。目前，F(xiàn)acebook正利用Mask R-CNN2Go在移動設(shè)備上創(chuàng)建有用和有趣的體驗，如Facebook Camera中的“Control the Rain”增強現(xiàn)實效果中的手部追蹤。

　　Facebook表示：“我們期待看到社區(qū)通過Mask R-CNN2Go開發(fā)創(chuàng)意性的人工智能移動體驗。作為MLPerf基準測試的一部分，Mask R-CNN2Go將幫助我們的社區(qū)設(shè)計和評估移動與嵌入式設(shè)備，并實現(xiàn)最先進的機器學(xué)習(xí)推理。”