写点什么

腾讯广告高可用的深度学习技术架构(上)

  • 2019-08-17
  • 本文字数:528 字

    阅读完需:约 2 分钟

腾讯广告高可用的深度学习技术架构(上)

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


  1. 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;

  2. 技术方案:

  3. 构建特征工程、训练平台、线上 Serving 系统边界;

  4. 特征工程优化特征存储,促进特征共享;

  5. 训练平台建模 API 屏蔽模型训练技术细节,将建模配置化;

  6. 建设通用模型服务 Serving 集群,优化 Latency 与系统稳定性。


听众受益


  1. 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;

  2. 对 Tensorflow 进行若干技术改进用于稀疏特征的端到端训练;

  3. 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。












完整演讲 PPT 下载链接


https://qcon.infoq.cn/2019/guangzhou/schedule


2019-08-17 00:003925

评论

发布
暂无评论
发现更多内容
腾讯广告高可用的深度学习技术架构(上)_QCon_唐溪柳_InfoQ精选文章