腾讯大数据能力和经验的开放将会让行业体会到数据的价值

导读：6月22日，腾讯“云+未来”峰会进入到各专场的环节。来自腾讯技术工程事业群（TEG）的领导及员工作为演讲嘉宾参加了政企、AI大数据、开发者3个专场，并向行业合作伙伴介绍了TEG在该领域的沉淀和探索。TEG数据平台部负责人蒋杰为AI大数据专场致辞，来自TEG数据平台部的智能学习组及海量计算组组长、T4专家黄明发表了演讲。以下为现场内容的整理报道。

TEG数据平台部负责人蒋杰提到，在过去的一年里面腾讯云开放了腾讯数智方略1.0产品，这个产品包含了腾讯10年的大数据能力和经验。开放出来给政府或企业进行部署，能够帮助大家避免初涉的问题。在这过程中，腾讯大数据的能力也在不断的提升。就在去年，腾讯大数据参加了具有全球计算奥运大会之称的Sort Benchmark全球排序竞赛，夺得GraySort和MinuteSort的冠军，刷新了4项世界纪录，腾讯大数据的运算能力达到世界级水平。今年腾讯大数据将继续抱着开放的心态，在腾讯云上把轻量的数据服务能力、实时的多维分析能力、EMR的托管服务能力开放出来。更为重要的是，腾讯的智能服务、数字营销服务这样的重量级服务也会一并开放，让整个行业真正感受到数据的价值。

演讲主题：DI-X：腾讯云上的深度学习平台

演讲嘉宾：TEG数据平台部智能学习组及海量计算组组长、T4专家黄明

大家好，今天由分享的是由腾讯TEG数据平台部和腾讯云联袂合作的打造的产品，DI-X。这是腾讯云上的深度学习平台，对腾讯云升级为AI云有着重要的意义。

今天是AI大数据的专场，大家都知道在过去两年，人工智能得到了迅猛的发展，这主要是因为三个要素：第一个是大数据，从2010年—2015年，互联网行业有了丰富的大数据积累，这给人工智能提供了一个充分的训练数据。第二个是大计算，在过去两年，基于GPU的计算能力突飞猛进，给人工智能提供了一个非常好的加速器。第三个就是深度学习，在2015年到2017年，各种深度学习的框架、算法和模型纷纷涌现，改变了人工智能的派系格局和研究的方向。基于这三个要素，在过去两年期间，人工智能得到了迅猛的发展。

参考这三大要素，我们来对标一下腾讯云的产品。 首先腾讯云有COS，这是一款比较经典的产品，目前它的存储量已经达到了1000P＋，这是非常可观的数字，大数据我们已经有了。其次我们有GPU云服务器，这是我们今年刚刚推出的产品，在上面用户可以进行GPU的申请，获得一个单机实例，并进行GPU的计算，这样大计算我们也有了。那接下来就是深度学习平台了，我们推出了DI-X，通过它把COS和GPU连接到一起，打通这两个产品，形成合力。

我们来看一下DI-X这个平台的架构。首先我们可以看到DI-X是接入到COS存储的，在上面有丰富的用户数据，包括各种各样的文本、图片、语音和视频。而在DI-X的底层，我们通过GaiaStack这个资源管理器，对底层的CPU、GPU、内存和硬盘进行统一化的管理。在上面是框架层，我们结合了三大框架，包括TensorFlow、Caffe和Torch，基本可以满足大部分用户的需求。再上一层是算法层，目前我们集成了RNN、LSTM、CNN、DBN这几类，在上线之后，我们会根据用户的反馈做进一步的丰富。再上面是模型层，用户对数据计算之后会产生一系列的模型，包括图形模型、语音模型、时序模型、视频模型和NLP模型等等，这些我们会在DI-X里面进行一个统一的管理。整体基于这个平台，我们给上层的用户，包括其它中小企业提供更好的AI服务，包括图像识别、语音识别、精准推荐、实时风控等等。

有些用户可能会觉得，有了COS和GPU之后，我们其实并不需要这样一个DI-X平台，用户也可以在上面玩深度学习，有一个平台反而会束手束脚。那DI-X到底会带来什么样的变化呢？接下来，我从6个方面来介绍一下DI-X带来的变化，包括资源、框架、调度、调参、模型和预测这6个方面。

首先我们来看一下资源，如果没有DI-X的话，它的资源申请是一个用户到实例的级别，在GPU云服务器上，现在有两个类型，一个是G2，一个是G2large，用户申请之后是要按月付费的，这是一个比较粗的力度。有了DI-X之后，我们现在是基于GaiaStack，它使用docker和Kubernates的技术，能够对GPU底层的资源进行优化和管理，这样分配资源的粒度就按照工程和GPU卡数的关系来分配的，它的粒度更细，也更灵活，而且后续也可以做到按照运行时长来收费。

第二部分我们看看框架，在没有DI-X的情况下，从运行一个实例到跑出一个算法，如果是没有经验的人折腾一两天是很正常的事情。我们可以看到，在整个的过程，包括了系统准备、Docker安装，安装Cuda、安装深度学习框架、对接COS存储，也就是需要把你的代码和COS存储做一个对接，当这些打通了之后，算法规程师才可以上传算法，然后启动一个脚本，把这个任务运行起来。这个过程中只有一个是红色的，只有这一步是算法工程师是擅长的，其它几步对工程能力弱的人来说都无疑是很难的，分分钟会可能卡住走不下去，而且这都是重复性的事情，A用户做了，B用户还要继续做，他们的工作不能被复用。

有了DI-X，这个事情就非常简单了，基于一个可视化的拖拽过程，用户只需要拖一个组件出来，然后设置一下参数，包括算法参数和资源参数，点一下运行就可以了，省去了大量重复的劳动，目前我们支持Caffe、TensorFlow和Torch三个组件，算法方面我们也支持这样的方式，让用户做到即拖即用，释放一个算法工程师的生产力。

第三方面我们看一下调度，如果没有DI-X的话，用户可能写完了一个算法之后，调试好了，它需要定期运行。很传统的做法是用一个CronTab或者它的增强工具，这个工具是很灵活的，它有很复杂的配置语法和条件，配合一些奇怪的需要的脚本，其实它是能做很多事情的。但它的缺陷也是很明显的，就是它的可维护性是非常差的，需要人工大量的干预。为此我们DI-X在调度上有4种驱动方式，除了正常的手工驱动之外，我们还支持定时驱动、重调驱动和参数驱动这三种方式，每种方式都有良好的调试界面可调节，用户可以自主设置三种驱动方式的并发度，让用户得到一个最大的便利性。

第四是调参。我们刚刚留意到有一种调度方式就是叫参数，这是为了深度学习的调参功能，在DI-X之前，用户需要写脚本，进行各种各样的参数调节，通过多种循环来进行参数的组合，然后传给具体的任务，达到调参的目的，但是这种方式其实是风险比较高的，对于写脚本的人来说，对他的能力有一定的高要求。而且一旦习惯了这种方式，很多人就会对平台有一个奇怪的要求，希望我们平台DI-X可以去支持一个组件，在这个组件里面写一个循环来调Caffe、TensorFlow或者Torch，这是非常危险的方式，会让系统形成一些黑洞，这是不好的。为此di-x增加了一个自动化的调参工具，它有4个步骤，第一个是它能够进行多参数的循环组合，第二是它会预生成实例，因为参数形成组合之后，它会有很多的组合产生，这时候是预生成的，当系统的并发度满足条件的情况下，我们才会进行这个参数的真实替换，并且生成多实例并发运行。

这里我们举一个简单的例子，在机器学习中是非常简单的，类似于超参数调节的东西，它有两个参数，第一个是数字型的，第二个是字符串型的，DI-X提供这样的功能，经过这样调参之后，可以方便用户进行比较。这是DI-X目前的自动化调参，后续我们会针对深度学习的超参数调节进一步优化。

第五个模型。在DI-X之前，其实用户训练完了之后会有一个模型文件的生成，Caffe、TensorFlow和Torch都有自己的格式。用户为了把这个模型进行一个同步和上线，其实有一种最常见的方法就是用SCP，在不同的用户之间SCP来，SCP去，在这里面它没有版本的管理，同时它也依赖具体运维人员的靠谱程度，决定模型的命运，包括它如果覆盖错了，有可能一个效果好的模型，就会被效果差的模型覆盖掉，这时候效果是非常难以把控的。

为此我们推出了一个模型的概念，在DI-X中对模型进行了针对性的设计，我们把这个设计叫做小尾巴，目的就是把一个模型具像化，在一个深度学习算法里面，它的左边有一个小尾巴，里边有一个小沙瓶，在算法模型运行的过程中，这个小烧瓶不停地冒泡泡，代表它是在运行，在炼丹，这在机器学习中是一个非常常见的名词比喻。当算法结束之后，这个小烧瓶也就满了，代表机器学习过程完成了。这是一个把模型从抽象到具像的过程，当这个模型训练完之后，它有丰富的行为，我们可以把这个模型进行收藏、导出和分享。收藏模型之后，这个模型就会被收到个人模型这里，成为一个模块，它可以被拖拽出来到画布，而分享模型，你可以把它分享给你想要合作的同事，你的模型就会出现在他的共享模型里面，他也可以直接把它拖拽出来使用。

第6个就是预测。其实就是一个训练和预测分离。我们知道深度学习里面，预测是一个非常重要的概念，模型训练完之后只是走了第一步，模型的使用，也就是预测才是更加重要的一个工作。目前我们这样一个模型拖拽出来之后，它会变成一个圆圆的一个大节点，可以对数据进行Offline的预测（推理），关于模型的在线预测（online-inference）功能，我们正在加紧上线中。

那综合以上6点，我们来看一个di-x预发环境的线上任务流：第一个是六边型数据节点，它会去检查COS路径上的数据在不在，并将路径传递给下一个节点作为输入；第二个是长方形的算法节点，带着一个模型训练的小尾巴，跑完之后，它的输出继续传给下一个节点；第三个是圆形的模型节点，它是之前训练好模型，用于对上游节点的数据，进行直接批量的预测，得到最终的结果；整体上看，这是一个多元素的任务流，有点复杂，但是相当灵活。门槛不高，用户熟悉了之后，很容易上手。

整体来看，DI-X是一个融合了深度学习的框架、算法、模型训练、模型推理和协作的一站式深度学习平台，在它上面可以完成一个深度学习的闭环，直接对之前存储在COS上的数据快速的进行挖掘，而得到的模型又能够快速的部署，降低人工智能的门槛。