本次閱讀到一篇關於微博的深度學習的架構，覺得很有益處，現記錄下來，希望有所幫助。
深度學習框架是進行深度學習的工具。簡單來說，一套深度學習框架就是一套積木，各個元件就是某個模型或演算法；開發者通過簡單設計和組裝就能獲得自己的一套方案。深度學習框架的出現降低了深度學習門檻。開發者不需要編寫複雜的神經網路**，只需要根據自己的資料集，使用已有模型通過簡單配置訓練出引數。
深度學習平台就是整合深度學習各環節，為開發者提供一體化服務的平台。深度學習平台能夠加快深度學習的開發速度，縮減迭代週期；同時，深度學習平台能夠將計算能力、模型開發能力共享，提公升開發效率和業務效果，也能夠將資源合理排程，提高資源利用率。
weiflow的設計初衷就是將微博機器學習流的開發簡單化、傻瓜化，讓業務開發人員從紛繁複雜的資料處理、特徵工程、模型工程中解脫出來，將寶貴的時間和精力投入到業務場景的開發和優化當中，徹底解放業務人員的生產力，大幅提公升開發效率。
控制中心weicenter的目標就是簡單、方便、易用，讓大家便利地使用微博深度學習平台。下面將介紹控制中心的作業管理、資料管理和排程管理等部分。
《微博深度學習平台架構和實踐》 閱讀
阿里機器學習平台pai 阿里機器學習平台pai1.0於2015年發布，包括資料處理以及基礎的回歸 分類 聚類演算法。阿里機器學習平台pai2.0於2017年3月發布，配備了更豐富的演算法庫 更大規模的資料訓練和全面相容開源的平台化產品。深度學習是阿里機器學習平台pai2.0的重要功能，支援tenso...
讀《微博深度學習平台架構和實踐》有感
深度學習和人工智慧早已經不是陌生的詞語，隨著神經網路演算法的成熟和gpu計算能力額提高，我們在很多方面，都開始利用深度學習，而對於有那麼多使用者的微博，深度學習必然也是不可缺少的。微博深度學習平台極大地提公升了深度學習開發效率和業務迭代速度，提高了深度學習模型效果和業務效果。在說微博之前，我們先了解...
微博深度學習平台架構和實踐讀後感
人工智慧為機器賦予人的智慧型。隨著計算機計算能力越來越強，在重複性勞動和數學計算方面很快超過了人類。然而，一些人類通過直覺可以很快解決的問題，例如自然語言理解 影象識別 語音識別等，長期以來很難通過計算機解決。隨著人工神經網路演算法的成熟 gpu計算能力的提公升，深度學習在這些領域也取得了重大的突破...