![腾讯广告高可用的深度学习技术架构(上)](https://static001.infoq.cn/resource/image/74/4d/7492139124a724bf4657abca615e6b4d.png)
在QCon广州2019大会上,唐溪柳讲师做了《腾讯广告高可用的深度学习技术架构(上)》主题演讲,主要内容如下。
演讲简介:
由特征工程、训练平台、线上 Serving 组成的深度学习技术架构,Serving 腾讯广告海量请求,缩短深度学习模型调参周期,加快模型上线速度。
内容大纲:
项目背景:深度学习技术平台助力腾讯广告技术全面转向深度模型;
技术方案:
构建特征工程、训练平台、线上 Serving 系统边界;
特征工程优化特征存储,促进特征共享;
训练平台建模 API 屏蔽模型训练技术细节,将建模配置化;
建设通用模型服务 Serving 集群,优化 Latency 与系统稳定性。
听众受益:
了解构建生产环境深度学习平台的三个重要环节:特征工程、训练平台与 Serving 集群;
对 Tensorflow 进行若干技术改进用于稀疏特征的端到端训练;
广告或推荐系统应用深度学习技术的技术要点。
讲师介绍:
唐溪柳
腾讯广告 总架构师/T4 专家
目前主要负责腾讯广告系统技术架构,关注算法和架构设计。在深度学习系统技术、检索系统、分布式网络服务、语言模型、大数据处理等方向有比较深入的了解。2012 年加入腾讯广告,主导了腾讯广告检索系统、海量数据分析系统、深度学习系统的架构设计与开发工作。
![](https://static001.infoq.cn/resource/image/db/7f/db72efb9d0c90fed2d77359c84a17a7f.png)
![](https://static001.infoq.cn/resource/image/b5/ec/b5dcd27fe1b7f06edd7379a3fd884bec.png)
![](https://static001.infoq.cn/resource/image/04/1b/04ae12fd446061cc193a7939fb66361b.png)
![](https://static001.infoq.cn/resource/image/7b/ac/7b278d39844611826c9bbdac0f8137ac.png)
![](https://static001.infoq.cn/resource/image/b0/1e/b09765deef0ba52e0d0e23d68233c81e.png)
![](https://static001.infoq.cn/resource/image/39/cd/39f5b3a0d7c8e53297eae382d0bc7ccd.png)
![](https://static001.infoq.cn/resource/image/72/07/723c2d1d25236068f2567a1fe51ef507.png)
![](https://static001.infoq.cn/resource/image/72/48/725929d523af16cb601f6a6c4b6eb648.png)
![](https://static001.infoq.cn/resource/image/fe/cc/fe58fa3600426286e94caedb5fefcecc.png)
![](https://static001.infoq.cn/resource/image/4e/a1/4ebee01577f34da6d4ec35aa5d2c44a1.png)
完整演讲 PPT 下载链接:
https://qcon.infoq.cn/2019/guangzhou/schedule
评论