今天，騰訊正式發(fā)布了旗下深度學(xué)習(xí)平臺 DI-X（Data Intelligence X），這是繼今年 1 月推出 FPGA 云服務(wù)器之后，騰訊在人工智能領(lǐng)域的又一重大舉措。據(jù)雷鋒網(wǎng)了解，DI-X 將基于騰訊云的大數(shù)據(jù)存儲與處理能力，為其用戶提供一站式的機器學(xué)習(xí)和深度學(xué)習(xí)服務(wù)。

馬化騰曾表示：“人工智能、物聯(lián)網(wǎng)，甚至未來的無人駕駛、機器人等等，它的后臺的核心一定有一顆在云端的大腦?！?而對于騰訊而言，馬化騰所提及的云端大腦正是構(gòu)建與其騰訊云服務(wù)之上。

隨著 DI-X 深度學(xué)習(xí)平臺已經(jīng)上線，騰訊云在人工智能領(lǐng)域產(chǎn)品線已經(jīng)覆蓋了 IaaS 基礎(chǔ)設(shè)施、AI 平臺服務(wù)、AI 基礎(chǔ)服務(wù)、AI 應(yīng)用服務(wù)以及垂直解決方案。

那么最新推出的 DI-X 和騰訊去年開源的大數(shù)據(jù)框架 Angel 以及 Mariana 究竟有何聯(lián)系？和其它平臺相比，DI-X 又有何特點呢？為此，雷鋒網(wǎng)采訪了騰訊 T4 專家、騰訊云機器學(xué)習(xí)平臺技術(shù)負責(zé)人 Andy。

騰訊云深度學(xué)習(xí)平臺 DI-X 誕生的背景

雷鋒網(wǎng)：深度學(xué)習(xí)平臺項目是什么時候開始啟動的？做 DI-X 的初衷是什么？

騰訊內(nèi)部有一個機器學(xué)習(xí)平臺，從 2015 年的 10 月份就開始啟動了。因為公司有很多的算法工程師和數(shù)據(jù)科學(xué)家，大家做的事情都很類似，迫切需要一個這樣的平臺來承載大家的需求，在上面方便的進行各種組件，算法和模型的配置，快速的判斷模型效果，并應(yīng)用到生產(chǎn)上。之前公司內(nèi)部的大數(shù)據(jù)平臺，包括存儲，計算和分析…… 都已經(jīng)日趨成熟了，在此之上，需要往上再走一步，進行機器學(xué)習(xí)和人工智能，所以這樣的平臺就應(yīng)運而生了。

平臺在內(nèi)部運行 1 年左右之后，效果還不錯，于是騰訊云就啟動了這個項目（DI-X），將內(nèi)部平臺遷移到騰訊云上。在今年的 3 月份上旬，GPU 云服務(wù)器產(chǎn)品也對外開放了，所以 DI-X 剛好和它對接上，主攻深度學(xué)習(xí)，希望能幫助到更多的騰訊云的中小用戶，接入 AI 的快車道。

雷鋒網(wǎng)：DI-X 項目由哪個團隊主導(dǎo)？現(xiàn)在有多少人？

項目是由 SNG 騰訊云的數(shù)據(jù)產(chǎn)品團隊和 TEG 數(shù)據(jù)平臺部的機器學(xué)習(xí)團隊聯(lián)合而成，人不多，就十幾個。我們相信小團隊比較適合快速的迭代，產(chǎn)品現(xiàn)在還很年輕，需要快速的成長。

雷鋒網(wǎng)：在 DI-X 研發(fā)的過程中，遇到最大的挑戰(zhàn)是什么？

機器學(xué)習(xí)平臺的設(shè)計，其實即便是 Azure，都有很多不完善的地方，而這個平臺是一開始就是要服務(wù)內(nèi)部用戶的，所以會面對很多用戶奇奇怪怪的需求，而這時如何去將這些需求化解為真正對平臺有通用意義的功能，是需要有很強的理解力和把控力的，這個是對這個產(chǎn)品最大的挑戰(zhàn)之一。

這個平臺面對的另外一個挑戰(zhàn)，就是人工智能和機器學(xué)習(xí)的發(fā)展太快了，很多新的功能和需求，不停的出現(xiàn)，也有新的更好的平臺值得借鑒。我們需要更快的走完前人走的路，還要跟上后來者的節(jié)奏，這個對團隊的快速迭代能力，也有很高的要求。

深度揭秘 DI-X

雷鋒網(wǎng)：DI-X 的設(shè)計理念是什么？和類似數(shù)加、Azure 這樣的系統(tǒng)平臺有什么區(qū)別？

DI-X 的設(shè)計理念是打造一個一站式的機器學(xué)習(xí)平臺，集開發(fā)、調(diào)試、訓(xùn)練、預(yù)測、部署于一體,  讓算法工程師和數(shù)據(jù)科學(xué)家，無須關(guān)注機器學(xué)習(xí)（尤其是深度學(xué)習(xí)）的底層工程繁瑣的細節(jié)和資源，專注于模型和算法調(diào)優(yōu)。

DI-X 的最終目的是成為一個時尚，強大而智能的機器學(xué)習(xí)平臺，讓機器學(xué)習(xí)充滿樂趣，助力人工智能。

伴隨著機器學(xué)習(xí)和人工智能的發(fā)展，對騰訊這樣大體量的公司來說需要一個這樣的平臺來支持內(nèi)部算法工程師的需求。DI-X 目前已經(jīng)在騰訊內(nèi)部廣泛使用，一開始的目的也是支撐內(nèi)部。隨著系統(tǒng)成熟，我們覺得可以通過騰訊云，把這個能力開放出來。

整體上來看，DI-X 和阿里數(shù)加，Azure 是競品，大家會各有所長。

雷鋒網(wǎng)：DI-X 的架構(gòu)有何特點？

主要體現(xiàn)在以下三個方面：

1. 易用性：可視化的拖拽式任務(wù)流設(shè)計界面，配備了輸入、組件、算法、模型、輸出 5 類模塊，靈活組合，可以做到無須任何編碼而完成復(fù)雜機器學(xué)習(xí)任務(wù)。

2. 靈活性：用戶既支持使用集成的機器學(xué)習(xí)算法，也能在業(yè)界的各種機器學(xué)習(xí)組件上提交自己算法。

3. 重點支持深度學(xué)習(xí)：目前支持 TensorFlow，Caffe，Torch3 種框架組件，后續(xù)會提供更多深度學(xué)習(xí)框架和針對性優(yōu)化。

雷鋒網(wǎng)：去年 12 月，騰訊開放了自研的大數(shù)據(jù)平臺 Angel，并且支持上述深度學(xué)習(xí)框架，那么 Angel 對 DI-X 是否有深度的優(yōu)化？DI-X、Angel 與此前的 Mariana 深度學(xué)習(xí)平臺有何關(guān)系？

Angel 是一個高緯度的機器學(xué)習(xí)框架，可以作為一個獨立的機器學(xué)習(xí)組件，也可以作為 PS-Service（參數(shù)服務(wù)器服務(wù)），支持 Spark 和其它深度學(xué)習(xí)框架。內(nèi)部已經(jīng)在試用了，開源之后也會發(fā)布到 DI-X 上面，讓用戶方便的使用和接入。

Mariana 主要是一個針對 GPU，基于 Caffe 進行了數(shù)據(jù)并行和模型并行能力升級的一個分布式 GPU 計算框架，也是可以在 DI-X 上運行的一個框架組件。我們在內(nèi)部版本的 TeslaML 上，都有這個組件的存在，但是對外的話，我們計劃是將它融合到 Angel 之中，作為一個整體開放。

雷鋒網(wǎng)：工業(yè)界和學(xué)術(shù)界，DI-X 會更側(cè)重哪一塊？

DI-X 在騰訊內(nèi)部服務(wù)一段時間了，大部分的場景都是比較大的數(shù)據(jù)量的，所以會適合工業(yè)界一些。對于學(xué)術(shù)界是否合適，我覺得要用戶來評判。當(dāng)然我們很歡迎學(xué)術(shù)界的朋友來試用。

雷鋒網(wǎng)：相比其它平臺，DI-X 的優(yōu)劣勢是什么？在算法和模型的訓(xùn)練上有哪些突破？

DI-X 目前剛剛推出，比起之前的產(chǎn)品有一些的時間距離，這是劣勢，也是優(yōu)勢。相比之下，成熟度會弱一點，但是我們借鑒了之前產(chǎn)品的特點和經(jīng)驗，并做了一些改進和創(chuàng)新。尤其是算法的 “小尾巴” 設(shè)計上，和之前的產(chǎn)品設(shè)計都不太一樣，在模型的收藏，使用，預(yù)測，部署上，都會有很多的優(yōu)勢，對深度學(xué)習(xí)更加的友好。

目前的各個深度學(xué)習(xí)組件，我們都是使用業(yè)界的開源最新版本，打通和 COS 的交互。后續(xù)在多機多卡的加速上，我們會借助 Angel，提供更強的性能支持。

雷鋒網(wǎng)：DI-X 主要解決了哪些問題，它的應(yīng)用場景有哪些？目前 DI-X 給騰訊云的業(yè)務(wù)做了哪些貢獻？

DI-X 解決的問題，主要是用戶在騰訊云有了資源之后，可以降低開發(fā)和使用機器學(xué)習(xí)的門檻。假如你購買了 GPU 的計算集群，你需要到上面自己去安裝各種組件，上傳作業(yè)，調(diào)度運行，關(guān)注告警；但是有了 DI-X，你只要點幾下鼠標，對接上 GPU 資源后，就能把一個深度學(xué)習(xí)算法跑起來了，無論是你自己開發(fā)的還是業(yè)界現(xiàn)有的，這樣的一站式平臺，都能夠降低算法工程師和數(shù)據(jù)科學(xué)家的門檻，他們不用操心很多工程上的細節(jié)，可以專心的調(diào)算法和參數(shù)，把模型訓(xùn)練好。

目前 DI-X 在騰訊內(nèi)部，應(yīng)用廣泛，例如游戲流失率預(yù)測、用戶標簽傳播以及廣告點擊行為預(yù)測，這些應(yīng)用背后都有 DI-X 的支持。以用戶行為預(yù)測為例，借助 DI-X 平臺，可以方便的拖拽出一個 BRNN Encoder 模型（雙向循環(huán)神經(jīng)網(wǎng)絡(luò)編碼器），從用戶自身和用戶圈子好友的行為序列數(shù)據(jù)中提取出基礎(chǔ)特征，進行棧式自編碼（Stacked Auto-Encoder）模型的訓(xùn)練，充分利用 RNN 的模型特點，得到比常規(guī)模型更精準的行為預(yù)測效果。

對于騰訊云來說，DI-X 是補上了重要的一環(huán)，讓騰訊云的智能云能力，更加的完備，并充分發(fā)揮 GPU 計算集群的產(chǎn)品能力，是一對很好的搭檔產(chǎn)品。  

雷鋒網(wǎng)：使用騰訊云上的 DI-X，對企業(yè)以及開發(fā)者來說意味著什么？

使用 DI-X，對于中小企業(yè)來說，某種程度上是開上了機器學(xué)習(xí)和人工智能的快車道，這個是我們的期望。不需要重復(fù)的搭建類似的系統(tǒng)，可以一鍵式的完成算法和模型的開發(fā)、調(diào)試、評估、部署和預(yù)測，快速的完成閉環(huán)，并對接生產(chǎn)系統(tǒng)。

未來，我們希望能夠幫助到更多的 AI 創(chuàng)業(yè)公司和客戶，降低他們的創(chuàng)業(yè)門檻，更快的專注于有創(chuàng)意的業(yè)務(wù)上，而無須擔(dān)心底層。另外我們也希望能夠?qū)Ⅱv訊的成熟的數(shù)據(jù)，算法，模型開放出來，幫助到需要的小公司，讓它們能夠快速成長。

總結(jié)

當(dāng)然，DI-X 仍然不是一款成熟的產(chǎn)品，和現(xiàn)有的平臺相比顯然還有一定的差距，這對產(chǎn)品團隊的技術(shù)水平是一次考驗。Andy 告訴雷鋒網(wǎng)，在后續(xù)的版本當(dāng)中，他們還會做一系列的優(yōu)化：

首先，會把其它的機器學(xué)習(xí)組件補齊，包括 Spark、xgBoost，甚至于 Python、R，我們都會一一加上，讓 DI-X 更加完整；

其次，要把深度學(xué)習(xí)的特性做進一步的產(chǎn)品優(yōu)化，使得它能夠在模型的超參數(shù)調(diào)節(jié)，效果可視化上，具有更好的競爭力。

毋庸置疑，人工智能基礎(chǔ)服務(wù)已經(jīng)成為互聯(lián)網(wǎng)巨頭必爭之地，作為騰訊 “云端大腦” 的一部分，DI-X 上線后的表現(xiàn)如何，我們拭目以待！