讀《微博深度學習平台架構和實踐》有感

2022-08-12 21:09:10 字數 669 閱讀 5382

深度學習和人工智慧早已經不是陌生的詞語,隨著神經網路演算法的成熟和gpu計算能力額提高,我們在很多方面,都開始利用深度學習,而對於有那麼多使用者的微博,深度學習必然也是不可缺少的。微博深度學習平台極大地提公升了深度學習開發效率和業務迭代速度,提高了深度學習模型效果和業務效果。

在說微博之前,我們先了解一下,其他大型網際網路企業的深度學習平台。

阿里機器學習平台pai:阿里機器學習平台pai1.0於2023年發布,包括資料處理以及基礎的回歸、分類、聚類演算法。阿里機器學習平台pai2.0於2023年3月發布,配備了更豐富的演算法庫、更大規模的資料訓練和全面相容開源的平台化產品。深度學習是阿里機器學習平台pai2.0的重要功能,支援tensorflow、caffe、mxnet框架,這些框架與開源介面相容。在資料來源方面,pai2.0支援非結構化、結構化等各種資料來源;在計算資源方面,支援cpu、gpu、fpga等異構計算資源;在工作流方面,支援模型訓練和**一體化。 

pai已經在阿里巴巴內部使用了2年。基於該平台,在**搜尋中,搜尋結果會基於商品和使用者的特徵進行排序。

而微博的深度學習平台與上面介紹的幾種都有較大的不同。

微博深度學習平台支援如下特性:

由此可知,微博深度學習平台是微博機器學習平台的重要組成部分,除繼承微博機器學習平台的特性和功能以外,支援tensorflow、caffe等多種主流深度學習框架,支援gpu等高效能計算集群。

《微博深度學習平台架構和實踐》 閱讀

阿里機器學習平台pai 阿里機器學習平台pai1.0於2015年發布,包括資料處理以及基礎的回歸 分類 聚類演算法。阿里機器學習平台pai2.0於2017年3月發布,配備了更豐富的演算法庫 更大規模的資料訓練和全面相容開源的平台化產品。深度學習是阿里機器學習平台pai2.0的重要功能,支援tenso...

微博深度學習平台架構和實踐讀後感

人工智慧為機器賦予人的智慧型。隨著計算機計算能力越來越強,在重複性勞動和數學計算方面很快超過了人類。然而,一些人類通過直覺可以很快解決的問題,例如自然語言理解 影象識別 語音識別等,長期以來很難通過計算機解決。隨著人工神經網路演算法的成熟 gpu計算能力的提公升,深度學習在這些領域也取得了重大的突破...

微博平台架構

本次閱讀到一篇關於微博的深度學習的架構,覺得很有益處,現記錄下來,希望有所幫助。深度學習框架是進行深度學習的工具。簡單來說,一套深度學習框架就是一套積木,各個元件就是某個模型或演算法 開發者通過簡單設計和組裝就能獲得自己的一套方案。深度學習框架的出現降低了深度學習門檻。開發者不需要編寫複雜的神經網路...