对话旷视孙剑：比TensorFlow还早半年，旷视Brain++的进化法则( 九 )_智东西文|季瑜生打榜、噱头、争议、烧

另外，多任务与多用户调度能力也是Brain++的一个特色。旷视针对算力分配利用透明计算的原理，开发了一层软件进行计算资源的管理与调度优化，可以在用户空闲时临时收回资源分配，进而支持数百研究人员同时在上万块GPU上进行上从数百到数千个训练任务。

两种方式互相结合，可以在保证训练效率的情况下让算力能够被最高限度的利用。

那么这样一个由三大部分构成的Brain++ ，相比Caffe、TensorFlow有什么不同呢？

首先是完全自主研发。孙剑表示， Brain++的意义在于更加适配旷视自身的研发以及开发需求，否则针对TensorFlow等框架去“改现有的东西，其实是很难改或低效的。当代码已经很庞大时，你很难快速的去做这些调整。而我们自己的东西，你可以很容易的去做修改，去验证这些东西。 ”

其次是针对计算机视觉任务的定制化优化：在Brain++中，旷视针对计算机视觉做了很多的优化。

以2018年孙剑发布的CVPR文章为例，这篇文章从mini-batch角度为加速深度神经网络训练提供了一种叫做“MegDet”的新型检测。这个技术第一次实现了在训练物体检测时可以用一个多达256多个样本的“大mini-batch”的检测器，用128张GPU卡训练任务，进而将训练时间从33小时减少到4小时。