揭秘腾讯大数据平台与推荐应用架构

内容简介：

• 腾讯的月活跃用户8.3亿
• 微信月活跃用户4.4亿
• QQ空间月活跃用户6.5亿
• 游戏月活跃用户过亿

如今腾讯的数据分析已经能做到始终“不落地”，即全部的实时处理。腾讯大数据平台有如下核心模块：TDW、TRC、TDBank、TPR和 Gaia。简单来说，TDW用来做批量的离线计算，TRC负责做流式的实时计算，TPR负责精准推荐，TDBank则作为统一的数据采集入口，而底层的 Gaia则负责整个集群的资源调度和管理。李勇还特别强调了数据平台体系化是应用基础，数据应用商业化是价值导向。

数据平台体系化是应用基础，数据应用商业化是价值导向。

腾讯深度学习平台的挑战

深度神经网络模型复杂，训练数据多，计算量大

• 模型复杂：人脑有100多亿个神经细胞，因此DNN的神经元和权重多
• 训练数据多：大量训练数据才能训练出复杂模型
•  微信语音识别：数万个神经元，超过50,000,000参数，超过4,000,000,000样本，单机训练耗时以年计，流行的GPU卡需数周

深度神经网络需要支持大模型

•  更深更宽的网络能获得更好的结果
•  以图像识别为例，增加卷积层的filter数量，加大模型深度等，可获得更好的模型质量

 深度神经网络训练中超参数多，需要反复多次实验

•  非线性模型：代价函数非凸，容易收敛到局部最优解
•  敏感的超参数：模型结构、输入数据处理方式、权重初始化方案、参数配置、激活函数选择、权重优化方法等
• 数学基础研究稍显不足，倚重技巧和经验

腾讯深度学习平台Mariana

 腾讯有广泛的深度学习应用需求，其挑战如下

•  模型复杂，训练数据多，计算量大
•  需要支持大模型
• 训练中超参数多，需要反复多次实验

 Mariana腾讯深度学习平台提供三个框架解决上述问题

•  Mariana DNN: 深度神经网络的GPU数据并行框架
•  Mariana CNN: 深度卷积神经网络的GPU数据并行和模型并行框架
• Mariana Cluster: 深度神经网络的CPU集群框架

 Mariana已支持了训练加速、大模型和方便的训练作业

•  微信语音识别6 GPU做到4.6倍加速比
• 微信图像识别4 GPU做到2.5倍加速比，并支持大模型

 Mariana已成功应用到微信语音识别和微信图像识别，并在广点通广告推荐的点击率预估中积极尝试

演讲视频查看>>>