首页>会议文档 >

vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》

page:
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》
vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》

vivo 李珂《借助TensorFlow在CTR预估中快速落地DNN》

所属会议:AICon 全球人工智能与机器学习技术大会深度培训会议地点:北京


下载

手机看
活动家APP客户端

扫二维码下载
或点击下载
Android iOS

10018次
浏览次数
AICon 全球人工智能与机器学习技术大会深度培训所有文档 中科视拓 山世光《从视觉计算近期进展“管窥”AI之ABCDE》_部分1 中科视拓 山世光《从视觉计算近期进展“管窥”AI之ABCDE》_部分2 百度 李鑫《如何快捷有效地获取海量数据并使其可被机器识别分析》 猿辅导 朱珊珊《基于小猿搜题的视觉应用落地》 爱奇艺 吴友政《爱奇艺自然语言处理和视频大数据分析应用》 TutorABC 田舟贤《TutorABC如何利用大数据和AI提升学习效果》 微信 张重阳《商业智能技术驱动业务增长》 先声教育 秦龙《通过语音和语言技术打造AI教育平台》 宜人贷 王婷《主动学习和图谱挖掘在金融反欺诈中的应用实践》 Etsy 洪亮劼《从点击率提升到用户长期行为优化:浅谈人工智能技术在电商搜索的落地应用》 国美 杨骥《国美推荐引擎与算法持续部署实践》 新浪微博 胡南炜《深度学习在红豆Live直播推荐系统中的应用》 知乎 张瑞《知乎 News Feed 中的机器学习实践》 北京一流科技 袁进辉《打造人工智能时代的最强计算引擎——深度学习框架演进漫谈》 蔡超《工程师的AI实践之路》 腾讯 刘彪《机器学习加持下的时序类数据异常智能监控》 驭势科技 潘争《如何构建低成本高效能的视觉感知系统》 美团 何仁清《美团骑手智能助手的技术与实践》_部分1 美团 何仁清《美团骑手智能助手的技术与实践》_部分2 苏宁 李伟《苏宁智能机器人平台》 小爱团队 王刚《小爱:语音识别和NLP在语音交互中的实践》 Kika Tech 姚从磊《AI驱动下的移动输入革新之路》_部分1 Kika Tech 姚从磊《AI驱动下的移动输入革新之路》_部分2 第四范式 胡时伟《企业AI核心能力的自主建设》_部分1 第四范式 胡时伟《企业AI核心能力的自主建设》_部分2 依图科技 周健《依图AI落地探索与反思》

文档介绍

DNN是广告/推荐CTR预估的重要技术。在今年以前,企业要从LR,FM迁到DNN上时需要自己编写DNN的训练和实时预测代码。这种办法对算法团队的能力要求高,上线周期长,算法迭代的成本也高。 今年年初TensorFlow cluster模式和TensorFlow serving为企业引入DNN提供了一个便捷的方案。当然在一个开源软件和一个能够稳定运行,支持快速算法迭代的生产系统之间还是存在着一个巨大的gap的。 本次分享将介绍vivo如何填补这个gap,搭建一个每日能够稳定运行每日3000万日活,超百亿次预估的系统。其中的内容包括硬件选择(GPU or CPU,CPU内存比)、TensorFlow分布式方案的选择(Docker or Hadoop)、TensorFlow HA方案的选择、TensorFlow在训练大规模模型的坑(HDFS IO等)、如何设计网络减少DNN的线上计算量、基于serving的线上预测服务的架构等。

×

打开微信扫一扫,分享到朋友圈