来攒台能跑深度神经网络的机器吧 | Open Talk No.33

百家 作者:又拍云 2017-06-28 13:13:04 阅读:633
 

2017年6月24日,又拍云旗下技术沙龙 Open Talk 来到人工智能公司最为集中的城市之一——深圳,探讨了“大数据和机器学习最佳实践”这一热门话题。

大数据、机器学习已经成为研究人工智能不能或缺的两大要素,本次Open Talk的讲师来自华为、数果科技、又拍云等公司在大数据、机器学习领域颇有实战经验的工程师,分享了各自业务在大数据、机器学习方面的实践经验,深受现场观众认可。此次Open Talk由IT大咖说提供直播支持。

训练人工智能,如何搭配硬件?

“内容识别”是又拍云于2017年推出的首个人工智能产品,可应用于图片、直播、点播等场景,智能识别色情、广告、暴恐等不良内容,其中鉴黄识别率已经高达99.7%。

在Open Talk现场,负责又拍云“内容识别”开发工作的叶靖,在《又拍云的深度学习实践》的分享中,介绍了又拍云在开发“内容识别”项目的过程中,所用到的各种工具和技术,以及又拍云在人工智能方面的各种尝试,面临的挑战等。

阿基米公社挤满了被活动吸引来的观众

又拍云“内容识别”的开发基于超千亿张的图片数据,以及深度神经网络,“最重要的一个工具就是GPU,GPU性能好,CPU运算速度都是50几毫秒,但GPU可以达到0.17毫秒。但GPU还有很多不足的地方,GPU对硬件依赖性很高又不易扩展,不能像内存那样扩展到100多G;此外还需要针对GPU重写算法,CPU的代码不能直接拿到GPU上跑,而且比较复杂。”叶靖分享了对研发“人工智能”时候的硬件选择,也介绍了其中存在的问题:“GPU从数据、内存拷贝数据的速度比较慢慢,写代码时要尽量避免内存的拷贝。”

“我们选择了4张1070显卡,配置了SSD,因为很多数据从机械硬盘读取的话严重影响训练速度。在CPU上,为了突破CPU的通道限制,我们选择了8核CPU*2的配置。在操作系统的选择上,又拍云采用了Ubuntu 16.04,一开始选择了14.04,结果出现了一大堆的问题。”叶靖好不藏私的分享内容,引起了现场观众热烈的提问。

海量用户数据的处理妙招

人工智能的训练需要大数据,面临大数据的处理也需要人工智能的参与。数果智能联合创始人、首席架构师黄强在本次 Open Talk 上分享了《海量用户行为数据的储存和分析》。

△ 黄强分享数果智能处理用户行为数据

“用一句话来说,用户行为数据就是用户在产品上的操作行为的记录。”黄强高度概括了用户行为数据的含义,“其中包括了时间、地点、页面信息等信息。”一般企业的用户数到了几十万,用户一天下来做的所有的操作行为,像一个用户行为数据包含用户的IP、sessionID、imei、终端ID,这个数据量是非常庞大的,每一天就是一个App都是几百亿甚至上千亿的数据量。

这些数据里,高基数的维度很多。“我认为基数在百万以上就比较高了。”黄强认为。什么是基数?比如说用户ID有一个很大的量,一个维度下有多少个不重复的值,这种值就可以叫ID,如果基数很高,这个值会非常多。高基数产生的数据量非常庞大,几千万到上千亿都是有可能,还有用户行为是持续的。这些都是用户行为数据的处理难点。

黄强分享了用户行为数据处理环节的几个步骤:第一步是采集,通过SDK等方式、工具采集数据;采集到数据之后需要进行存储,“数据量非常大,需要拆成很多份,采用分布式资源,才能最大化利用一台设备的计算资源。”因为数据被拆散了,所以数据处理还需要加入“查询”功能,把查询结果做一个合并,输出最终结果。此外就是数据的索引,克分为倒排索引和正向索引两种方式。

数据很重要,更重要的是呈现方式和互通

华为消费者BG数据分析架构师王在清作为压轴嘉宾,带来了《数据分析与洞察》。王在清 因工作需求,从市场销售分析投入到数据分析领域,后续进入架构、数据挖掘等领域,曾参与多项跨国企业的全球BI/DW 建设工作,擅长分析物(产品、事件)与人(客户、员工)。

在活动现场,王在清主要介绍了华为消费者BG的数字化建设与数据驱动,从建立数据体系到分析洞察应用。

△ 王在清分享华为消费者BG在数据分析方面的经验

很多年前,许多公司都在落地信息化,建了一大堆IT系统,“但全部都是数据孤岛,数据跟数据没有什么连接。从现在回来看,这些数据开始建设的时候,就应该有一个统一的视图,借助统一的视图完善数据的关联。一开始有一个整合视图以后,还可以是数据岛,但是岛与岛的交通线是一致的,而不是事后两边各建一个桥,运气不好还建两座桥。”

王在清认为,做数据分析和做洞察,必须要基于统一的做法,“否则挖掘出来的数据没有办法解释,没有办法解释的数据就不是数据报告的结果。我们必须要先建立整体的数据视图,或许还是十几套IT系统,但是所有的数据定义是一致的。

王在清的分享当中,提出一个观点:数据只有“快速、简单、可视”才会产生价值。实现数据可视化数又可分为三个步骤:先进入hindsight,再进入insight,最后进入foresight。

 

讲师的分享详情请持续关注又拍云公众号(微信ID:upaiyun),我们将陆续放出讲师的分享全文。

   

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:http://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

图库
关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接