江苏龙网

  1. 首页 > 人文 > >

手机百度飞桨与OPPO的"AI故事"：当深度学习遇见智能手机


随着技术的完善与门槛的降低 ， 深度学习正在加大往各行业渗透落地的力度 。 5月20日 ， 由深度学习技术及应用国家工程实验室与百度联合主办的"WAVE SUMMIT"2020深度学习开发者峰会召开 。 百度飞桨开源深度学习平台公布了7项新产品和23项重磅升级 ， 瞄准工业大生产持续发力 ， 会上展示的与OPPO的合作 ， 成为飞桨在消费类电子领域智能推荐服务落地的典型案例 。
根据峰会现场介绍 ， 在飞桨大规模分布式训练的助力下 ， OPPO推荐系统业务模型训练速度提升了8倍 ， 模型扩大了20倍 ， 推荐场景效果提升了4%-5% ， 并节省了90%的内存 ， 为OPPO在全球3.5亿用户带来更精准快速的移动互联网服务 。
手机百度飞桨与OPPO的"AI故事"：当深度学习遇见智能手机
本文插图
飞桨与OPPO ， 是如何结下这场"不懈之缘"？
缘起：OPPO大举进军互联网业务 ， 个性化推荐效率成"硬骨头"
提起OPPO ， 人们总是会想到造型时尚、性能强大的手机产品线 ， 经过十一年的积累发展 ， OPPO已经成为中国智能手机市场的头部品牌 ， 根据IDC数据报告 ， OPPO稳居2020年Q1中国智能手机市场出货量前三 。 OPPO还在2018年起开始大举进军互联网业务 ， 创立了信息流、信息流广告、应用商店、游戏中心、商业中心等诸多业务线 。
手机百度飞桨与OPPO的"AI故事"：当深度学习遇见智能手机
本文插图
伴随业务规模扩张而来的 ， 是指数级增长的用户和数据 ， 这大大增加了单机终端进行模型训练的压力 。 "为了保证效率 ， 旧式的深度学习解决方案是对训练样本做负采样 ， 或者干脆直接减少训练数据集的规模 ， 这样速度是快了 ， 但会影响模型效果 ， 用户可能就觉得个性化推荐给自己的内容不是那么精准 。 "OPPO的算法工程师表示 。
在当时 ， 深度学习已经被大量用于应用商店、内容推荐、负一屏、广告等推荐场景 ， 但是已有的框架进行单机训练会受限于单机算力和内存等资源 ， 这影响了模型上线的效率 ， 会拖累产品优化的速度 。 对OPPO的算法工程师而言 ， 能否寻找到一套更好的深度学习框架 ， 实现高效处理海量数据集、提供高频率迭代模型 ， 成为推荐系统是否成功的核心关键 。
OPPO算法工程师使用了包括Tensorflow在内的深度学习框架 ， 在速度上或者效果上都有一些不能令人满意 。 直到2019年4月 ， 百度飞桨正式对外开源了基于自身多年产业实践的大规模分布式深度学习系统 ， 这引起了OPPO方面的注意 。
手机百度飞桨与OPPO的"AI故事"：当深度学习遇见智能手机
本文插图
实际上 ， 飞桨这套系统早已用于百度搜索推荐等相关场景 ， 是百度搜索领先业界的技术护城河之一 ， 非常契合OPPO互联网推荐系统的需求 。 经过多年业务实践 ， 该系统已经达到相当完善的地步 ， 百度也决定将其开源分享 ， 尤其配合易用的FleetAPI ， 让这一系统可以方便快速地为外部企业所部署应用 。 于是 ， OPPO向百度飞桨的团队抛出了合作意愿 。
攻关：飞桨深度学习平台如何改造移动互联网服务？
百度飞桨团队对于OPPO这个来自于消费类电子领域的头部用户相当重视 ， 进行初步接触之后 ， 了解到OPPO旗下需要应用机器学习、深度学习等技术的产品和业务主要在于商店、信息流、信息流广告、游戏中心、商业广告 ， 它们后端都需要结合用户行为等数据进行训练以及预测 ， 并推送符合用户需求的内容 。
一开始 ， OPPO从自身业务出发对飞桨提出了四点述求：能够支持先进的训练模型 ， 以及推荐系统领域内的新模型新方法；能够支持分布式大规模深度学习训练能力 ， 包括增量训练等多种训练机制和亿级别以上的稀疏参数训练；性能速度要超越同业竞品 ， 在指定时间内训练完成全部所需的数据；有完善的训练和预测的能力 ， 支持分布式训练到高性能模型部署 。


推荐阅读


上一篇：虚幻5引擎发布，用华硕XG27WQ电竞显示器体验顶级真实感

下一篇：长旭数码华为nova6降至2299元，麒麟990+8GB+前置双摄，网友：值了