歡迎大家前往騰訊云+社區，獲取更多騰訊海量技術實踐干貨哦~

背景：5月23-24日，以“煥啟”為主題的騰訊“云+未來”峰會在廣州召開，廣東省各級政府機構領導、海內外業內學術專家、行業大咖及技術大牛等在現場共議云計算與數字化產業創新發展。

騰訊云AI平臺技術負責人王才華博士在騰訊“云+未來”峰會的「開發者專場」做了主題為“智能鈦?一站式機器學習 TI-ONE：騰訊云上的機器(深度)學習IDE”的技術內容分享。

最近大家有沒有看漫威的《復仇者聯盟3》？其中鋼鐵俠的戰甲就是用金屬鈦制造的，鈦具有質量輕，高強度的特點，而TI-ONE是人工智能平臺，因此我們用了科技感十足的名字“智能鈦”來形容它。

首先說說為什么需要TI-ONE？

人工智能的重要性不需要我再強調，Andrew Ng 在Spark Summit 2017上提出《AI: The new Electricity》. 各大公司也相爭提出自己的機器學習平臺，比如說微軟的CNTK，Google的Tensorflow等等。但是回答為什么需要TI-ONE這個問題，還要從云計算的特點和機器學習的生命周期出發。在云上，我們偏向云服務化，基礎設施服務化，平臺服務化，算法服務化，機器學習算法也不例外。

但是機器學算法有一個漫長的生命周期，從數據獲取到數據預處理再到選擇一個框架并編寫算法，然后訓練得到一個模型，最后用這個模型進行預測。在云上我們還要對模型進行服務化。如此漫長的過程，所以我們需要加速機器學習的生命周期，加速模型的服務化，這就是我們需要TI-ONE的原因。

具體而言，TI-ONE提供了如下功能：

首先整合了數據預處理平臺，提高數據預處理效率。

支持主流機器學習框架，內置常用算法，以拖拽的方式就能完成算法開發。

支持自動調參，支持多個層面的協作，支持了一鍵模型部署和服務化，還有在線推理。

用開發者的語言來說， TI-ONE就是騰訊云上的機器學習IDE。

什么是TI-ONE？

我將從架構，工作流，調參，協作，部署等這幾個方面進行分享。

TI-ONE是一個層次架構，最下層是COS存儲層，存儲層之上是GaiaStack資源調度層，GaiaStack賦予TI One很多商業特性，后面我會展開分享。調度層之上是架構層，我們整合了Tensorflow，PyTorch，XGBoost，Angel和Spark等，其中Angel是騰訊自研的，Spark是騰訊增強的。算法方面，我們集成了大量的常用算法，既有CNN、RNN、DBN等深度學習算法，也有的GBDT、FFM等傳統機器學習算法。用戶可以用這些算法訓練自己的模型，支持業務，比如圖象識別、語音識別、精準推薦和實時風控等等。

TI-ONE為用戶提供了一個圖形化開發界面，以拖拽方式就能開發一個機器學習算法，這里我給一個例子，

• 從COS層或本地文件系統中獲得數據
• 對數據進行預處理
• 對數據進行切分，這里需要指出的是，這里是將數據切分成訓練集和驗證集，而不是測試集
• 然后用拖拽的方式選擇一種算法，以邏揖回歸為例
• 設置算法需要的參數
• 訓練得到模型

如果要驗證這個算法也很簡單，只要：

• 從存儲層中獲得數據
• 對數據進行預處理
• 輸入到模型
• 算法評估

運行完成后會給出混淆矩陣和AUC值。

調參是機器學習的重要環節，而且非常具有技巧性，TI-ONE提供了自動化的調參工具，特點是通過參數組合產生多個實例，然后并行運行這些實例，從這些實例中選出效果最好的一個。

舉個例子，假設你要訓練一個隨機森林，你要決定森林中樹的棵數和訓練每棵樹所需要的特征數，只要給定一個參數組合，然后交給TI-ONE，TI-ONE可以幫你選擇最好的組合。在另一些情況下，我們可能需要對一些正則化超參調優，我們只要給定一個范圍，然后交給TI-ONE，TI-ONE就可以幫助我們選擇最優的參數。

協作對于機器學習也很重要，TI-ONE提供了多個層面的協作。

第一是模型層面的分享，訓練好的模型可以分享給你的同事。比如你們倆同時對同一個業務開發算法，想比較誰的精度更高，就可以互相分享這個模型。

第二是工作流層面的分享，工作流就是機器學習生命周期，分享工作流，就是分享整個機器學習生命周期。假設你前面做了一個皮膚推薦的任務，后來要做裝備推薦的任務，基本上只要小改動就可以了。

第三是服務層面的共享，模型部署好后還可以共享，你可以把模型分享給后臺人員，讓他（她）幫你定位問題。

?

部署和服務是云上機器學習和傳統學習的不同之處。TI-ONE提供了一鍵式部署工具。我們可以將訓練好的模型部署成Application, 然后裝載成多個實例，一個實例中還允許有不同版本。第三方的用戶和模型的開發者就可以用REST API去調用，非常方便。

前面我們講了TI-ONE的特點，開發者肯定想知道它背后的設計之道。我喜歡用冰山理論來解釋事物背后的原理，前面看到的不管是工作流，還是調參，協作和部署工具，這些只是冰山一角，水下面是什么呢？

我們認為一部分原因是整合，我們整合了COS存儲，整合了GaiaStack調度，整合了常用的機器學習框架和算法，但是僅僅整合還是不夠，我們還需要自主研究構建差異化的競爭力，這個就是TI-ONE的特別之處。

第一個特別之處是Angel，Angel騰訊自研的機器學習的框架，它克服了Spark將模型放在單個節點的不足，通過對底層數學庫的優化，它可以支持萬億級參數的模型，放眼業界，能支持如此大模型的計算框架也是鳳毛菱角。

算法方面，我們實現了常用的傳統機器學習算法，比如邏輯回歸，SVM等等，其中還有一些是我們原創的, 如LAD* 就是我們發表在VLDB上的成果。

性能方面，我們比較了Angel和Spark, XGBoost等平臺，發現Angel性能表現非常強悍。有些算法的性能是Spark的20+倍。

第二個特別之處是圖計算算法，我們知道圖計算領域有三個主要玩家，即Pregel，GraphLab，和GraphX，而Pregel是谷歌閉源，GraphLab是商業軟件，只有GraphX是開源軟件。但是GraphX更新慢，算法少，鑒于這種情況，我們就基于GraphX增加了很多圖計算算法，有節點評價算法，社區發現算法，統計特征算法，經過細致的優化，這些算法都支持了千億級規模的關系鏈。

第三個特別之處是支持用戶自定義算法，前面提到我們集成了非常多的算法，有深度學習算法，也有傳統學習機器算法，有回歸算法，有分類算法，推薦算法等等，但是對于一些高級用戶來說還是不夠，所以我們允許用戶自定義算法到TI-ONE執行，雖然是一個小功能，但是給用戶帶來很大的靈活性。

前面我們談到了TI-ONE的功能和特別之處，現在要談一談商業用戶比較關心的性質，嚴格來講這個性質不是TI-ONE本身的，而是GaiaStack賦予的。

第一個是專用集群，當用戶數據量較大時，我們可以提供多個完整集群讓他使用，當用戶的數據比較小的時候，可以多個用戶共享集群，我們做了很好的多租戶，用戶的資源和數據隔離。支持熱升級，業務不中斷，用戶無感知。支持主備自動切換的高可用，當服務量增大時，會自動加載新的實例，并自動負載均衡。

最后我們看看用戶，我們公司內外都有很多的用戶，在公司內比如騰訊游戲、微信、應用寶、QQ音樂等等都是我們的用戶。

最后發個福利，大家可以通過掃碼來獲得試用或者文檔。

更多有關TI-ONE詳情，請點擊下方獲取。

TIOne騰訊云上的深度學習平臺.pdf

?

問答

是否有.NET機器學習庫，例如，可以為一個問題建議標記？

相關閱讀

安利10個有趣實用的人工智能開源項目

區塊鏈、人工智能和物聯網之間是什么關系？

圖像分析那些事︱AI來了

?

此文已由作者授權騰訊云+社區發布，原文鏈接：https://cloud.tencent.com/developer/article/1136172?fromSource=waitui

轉載于:https://www.cnblogs.com/qcloud1001/p/9109423.html

總結

以上是生活随笔為你收集整理的一站式机器学习平台TI-ONE是什么？——云+未来峰会开发者专场回顾的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。