前言：
Paddle Fluid v1.3版本于今日发布，在基础框架、预测引擎、模型建设、分布式训练各个方向上完成多项升级。
业界首个视频分类模型库
新增视频模型库，提供5个视频分类经典模型以及适合视频分类任务的通用骨架代码，用户可一键式高效配置模型完成训练和评测。
视频理解权威竞赛ActivityNet - Kinetics视频动作识别任务冠军方法stNet的resnet50版本开源实现。
基于PaddlePaddle的BERT多机多卡和混合精度训练
新增支持NLP语义表示BERT模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升50%+，提供完整部署示例。
分布式训练性能大幅提升
大规模稀疏参数服务器Benchmark发布， CPU多机异步训练发布显著提升点击率预估任务IO吞吐的built-in reader，多机多卡训练性能多方面提升。
下面将Paddle Fluid v1.3版本所发布的内容，全面介绍给广大开发者：
重要更新
统一Executor和ParallelExecutor接口，用户只需通过CompiledProgram将单卡模型转化多卡模型，并利用Executor进行训练或者预测。
正式发布AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速.
模型库新增发布PaddlePaddle视频模型库，提供5个视频分类经典模型以及适合视频分类任务的通用骨架代码，用户可一键式高效配置模型完成训练和评测。
新增支持NLP语义表示BERT模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升50%+，提供完整部署示例。
大规模稀疏参数服务器Benchmark发布， CPU多机异步训练发布显著提升点击率预估任务IO吞吐的built-in reader，多机多卡训练性能多方面提升。
新增支持Intel Deep Learning Boost(VNNI指令集)。在新一代的Intel Xeon Scalable Processor上，使用这个特性的一些模型，INT8预测性能可以达到FP32的2倍。
基础框架
安装
新增Linux和MacOS下的中文版本辅助安装脚本，提供交互式安装方式，协助用户在复杂环境下快速完成PaddlePaddle安装。
Windows支持优化：新增cuda8，cudnn7的GPU支持，新增AVX指令集、MKLDNN、mnist数据集支持。修复Windows加载Linux/Mac下同版本paddle训练模型的问题。
增加动态图基础功能
动态图tracer、autograd、python Layer/PyLayer，动态图支持MLP、GAN、ptbRNN、Resnet模型，动态图支持Optimizer、GPU训练。
Executor和ParallelExecutor接口优化
对Executor和ParallelExecutor接口进行统一，用户只需通过CompiledProgram将单卡模型转化多卡模型，并利用Executor进行训练或者预测。
ParallelExecutor优化
对MultiDevSSAGraphBuilder进行重构，使得MultiDevSSAGraphBuilder更易扩展。
去除ParallelExecutor中的设备锁，提升ParallelExecutor多卡调度性能。中间表达IR和Pass方面的优化
完善C++ IR graph的python接口以及C++ IR pass的python接口。
在framework.py中新增IRGraph类，为在Python层编写IR Pass做准备。
新增支持网络无锁更新的Pass。
新增QuantizationTransformPass，此为Quantization Aware Training量化模式训练前的图修改操作部分。
内存和显存方面的优化
新增支持在编译时加入 Jemalloc 作为动态链接库，提升内存管理的性能，降低基础框架内存管理开销
新增memory optimize，inplace pass, memory pool early deletion等显存优化策略。
新增支持网络无锁更新的Pass。
新增QuantizationTransformPass，此为Quantization Aware Training量化模式训练前的图修改操作部分。
Operator整体层面的优化
每个op在执行前只做一次scope查询，减少读写锁操作（原来需要做1~5次scope查询）
新增Temporary Allocator，减少op中的同步操作
新增py_func operator，支持python op接入，用户可以借助py_func Operator快速实现所需要的特有操作
重构DDim，Variable Type等，降低基础框架调度开销。
INTEL FP32计算相关优化
优化density_prior_box operator，单op四线程提速3倍。
优化Stack operator，单op提速16倍。
开发Transpose，Concat和Conv3d三个基于MKLDNN的kernel。
修复lrn operator中MKLDNN kernel精度bug，同时单op提速1.3倍。
修复MKLDNN初始化占用5G内存的问题，目前初始化占用500MB。
减少从MKLDNN OP kernel到非MKLDNN OP kernel时不必要的reorder。
完善CPU JitKernel
sequence pooling 的jitkernel，纯op提升2倍。
softmax 的jitkernel，纯op提升2倍，同时使得Bert模型CPU预测提升26%。
常见的基本逻辑：向量的每个元素求平方kVSquare、矩阵乘法kMatMul、向量的最大值kHMax、向量所有元素的和kHSum。
预测引擎
服务器预测
正式发布AnalysisConfig 预测接口，支持计算图分析、算子融合等优化，并支持利用 Intel MKLDNN、Nvidia TensorRT 子图引擎等第三方库的加速。
预发布 intel CPU上的 预测 INT8 离线量化方案
开发Conv2D，Pool2D，Quantize，Dequantize四个基于MKL-DNN的INT8 kernel。
预发布Calibration的3个核心Python API（paddle.fluid.contrib.Calibrator）。
开发Calibration工具，保证FP32和INT8的精度在ResNet-50和MobileNet-V1在ImageNet验证数据集上相差在1%内。
支持Intel Xeon CascadeLake Server（VNNI指令）及Intel Xeon SkyLake Server，性能提升约为1.33倍。
CPU预测速度提升
fuse sequence pooling concatop，支持N (<200)个sequence_pooling op concat起来组成一个新op，整体使得seqpool模型 CPU预测提升56%。
fuse 连续重复的fc op为一个大op，使得seqpool模型CPU预测速度提升15%。
fuse 逻辑为((X * Y).^2 - (X.^2 * Y.^2) ) .* scalar的op组合 , 使得seqpool模型CPU预测速度提升8.2%。
针对输入tensor元素个数为1的情况，优化compare_op的CPU Kernel。
新增Paddle-TRT 对Calibration INT8的支持，GPU预测速度提升
模型VGG，Resnet50上预测速度达到了Paddle-TRT float32的两倍性能。
模型VGG，Resnet50在imagenet数据集上测试，精度下降0.3%以内。
算子融合
增加 fc和 con 相关两个 fuse，作用于 conv_op CUDNN kernel。
新增Conv+Affine Channel的融合pass，Faster RCNN运行的性能提升26.8%。
新增Transpose+Flatten+Concat 融合pass，MobilenetSSD模型性能提升15%。
实现beam_search operator的CUDA Kernel，并且将相应的top-k、elementwise_add、reshape、log计算融合到beam_search operator中。
功能完善及易用性提升
新增C++ IR graph的Python接口。
新增预测库的Python接口。
服务端预测支持从内存加载模型。
其他
删除legacy V2代码。从1.3版本起，不再支持V1&V2老版本功能。
修复Paddle-TRT elementwise-mul模型运行出现问题的bug。
修复Paddle-TRT trt_engine stream多个连续输入情况下模型输出结果异常的bug。
移动端预测
效率优化，常见模型预测速度提升
int8预测支持dequantize和其他op（batch normalization/relu/elementwise add）进行自动kernel融合。
transpose2 operator对于shuffle channel操作进行优化。
gru operator使用neon指令进行优化，并针对batch size为1时进行优化。
优化和实现pooling，支持任意的padding。
优化和实现batch normalization、softmax、elementwise add。
新增支持多个输入和多个输出的模型预测。
新增实现prelu6 operator、cast operator、top_k operator。
修复int8 offline量化溢出结果不对的问题。
修复winograd实现在输入feature map的height和width不相等时结果可能为0的bug。
模型建设
PaddleCV 智能视觉
新增发布PaddlePaddle视频模型库，包括五个视频分类模型：Attention Cluster、NeXtVLAD、LSTM,、stNet、TSN。提供适合视频分类任务的通用骨架代码，包括数据读取和预处理、训练和预测、网络模型以及指标计算等多个模块。用户根据需要添加自己的网络模型，直接复用其他模块的代码，快速部署模型。
新增支持目标检测Mask R-CNN模型，效果与主流实现打平。
语义分割DeepLabV3+模型，depthwise_conv op融合，显存优化，显存占用对比上一版本减少40%。
PaddleNLP 智能文本处理
新增支持NLP语义表示BERT模型，支持多机多卡训练，支持混合精度训练，训练速度对比主流实现提升50%+，提供完整部署示例。
机器翻译Transformer模型优化解码计算，decoder中加入对encoder output计算结果的cache，预测速度提升一倍。
PaddleRec 智能推荐
Sequence Semantic Retrieval 新增单机多线程、单机多卡运行示例，添加预测功能、数据预处理优化，完善部署示例。
GRU4Rec新增负采样功能，使用bpr loss和cross entropy loss的效果与原作打平。
分布式训练
大规模稀疏参数服务器Benchmark发布
测试真实业务场景下，特征规模百亿、样本平均特征数1k的点击率预估任务，在batch=512情况下，100worker加速比90.5，吞吐量1.36M/s 。
CPU多机异步训练
发布面向点击率预估任务的built-in reader，Criteo数据集下IO总吞吐提升1300%。
GPU多机多卡水平扩展性能提升
新增并行模式：PG（ParallelGraph）、MP（Multi-Process），独立GPU卡之间的计算，提升性能同时，不影响模型精度。
在ResNet50模型，单机8卡V100下，PG, MP模式提升训练性能30%以上；4机32卡，PG模式提速46%，MP模式提速60%。
在BERT模型，8卡V100下，PG, MP模式提升训练性能26%。
Multi-Process模式相比Parallel-Graph模式对Reader速度敏感度不高。
GPU多机多卡垂直扩展性能提升
新增功能：fp16和混合精度训练
Fp16单机单卡加速情况：ResNet50提速约87%，BERT提速约70%。
BERT同时开启PG和混合精度，单机8卡下单位时间吞吐提升120%。
ResNet50同时开启混合精度训练和MP模式，在V100单机8卡、4机32卡下，单位时间吞吐提升100%。
典型模型收敛速度优化
新增功能：动态Batch Size，动态Image Resize方法。
Resnet50 on Imagenet数据集：训练收敛轮数下降为标准训练方法的1/3左右。
VisualDL
VisualDL graph支持Paddle fluid保存的模型可视化展示。
更多内容，请了解：https://github.com/PaddlePaddle/Paddle/releases
