在人工智能时代，深度学习框架下接芯片，上承各种应用，是“智能时代的操作系统”。近期，我国首个自主研发、功能完备、开源开放的产业级深度学习框架飞桨发布了2.0正式版，实现了一次跨时代的升级。
这次2.0版本的发布对于飞桨来说，可以说是一次“基础设施”的全面更新换代！生活中，我们看到过很多基础设施建设工程，例如西电东送、南水北调、高铁建设等等，这些在保证生产生活设施正常运行、推动整个社会的经济发展和人们生活水平改善的过程中，以一种“润物细无声”的形式扮演着关键基础性角色！此次飞桨升级就是以这样方式悄然为整个产业及生态的发展繁荣奠定基础、积蓄能量、增添后劲！下面将为广大开发者详细介绍飞桨都做了哪些“基础设施”级别的关键工程。
使用飞桨框架2.0
更高效地开发AI模型
成熟完备的动态图模式
此次升级，飞桨将默认的开发模式升级为命令式编程模式，即大家常说的动态图。飞桨框架2.0支持用户使用动态图完成深度学习相关领域全类别的模型算法开发。动态图模式下可以让开发者随时查看变量的输入、输出，方便快捷的调试程序,带来最佳的开发体验。为了解决动态图的部署问题，飞桨提供了全面完备的动转静支持，在Python语法支持覆盖度上达到领先水平。开发者在动态图编程调试的过程中，仅需添加一个装饰器，即可无缝平滑地自动实现静态图训练或模型保存。同时飞桨框架2.0还做到了模型存储和加载的接口统一，保证动转静之后保存的模型文件能够被纯动态图加载和使用。
在飞桨框架2.0版本上，官方支持的动态图算法数量达到了+，涵盖计算机视觉、自然语言处理、语音、推荐等多个领域，并且在动态图的训练效率和部署效率方面都有所提升。2.0版本的动态图支持了自动混合精度和量化训练功能，实现了比静态图更简洁灵活的混合精度训练接口，达到媲美静态图的混合精度和量化训练效果。无论从功能还是性能角度，飞桨的动态图在国产深度学习框架中都处于领先地位！
同时，为了推进各个主流场景的产业级应用，飞桨的系列开发套件也随飞桨框架2.0完成了升级，全面支持动态图开发模式。从开发、训练到预测部署提供优质体验。如视觉领域的图像分割套件PaddleSeg，随飞桨框架2.0升级后，涵盖了高精度和轻量级等不同特点的大量高质量分割模型，采用模块化的设计，提供了配置驱动和API调用两种应用方式，帮助开发者更便捷地完成全流程图像分割应用；
又如自然语言处理领域的PaddleNLP，与飞桨框架2.0深度适配，拥有覆盖多场景的网络模型、简洁易用的全流程API，以及动静统一的高性能分布式训练能力，非常便于二次开发，大大提升建模效率。具体可以参见下面链接中的项目示例。
飞桨框架2.0动态图模型：
