2019大数据产业峰会|百度陈凯：基于异构计算的数据科学加速方案

与此同时我们通过AutoML提供更易用的接口，更有利于异构计算的推广。首先通过AutoML提供更易用的接口，用户在上面提供任务，通过建议器和评估器给用户一些路径，让用户尽量少的尝试。这样少的尝试都通过AutoML底层服务完成，最后希望给用户非常好的结果。通过异构计算又加快了整个AutoML迭代的过程。除此之外异构计算加速AutoML也有其他的点，包括特征工程的优化，像前面所描述的，加速整个数据预处理的过程。加快整个评估优化，通过CUML加速整个结果的优化。与此同时做到全流程自动化，让用户可以更好的，甚至是他自己定义的算法放进去支持AutoML。

前面我们描述了在加速机器学习上省成本和接口上的相关工作，接下来描述一下应用案例。付院长也分析过大数据场景，这里也是这样的场景，目标是位置分类，针对卫星地图给某个位置定义一个标签。大家可能会问，地图里面本身就有这些数据，比如POI或者AI，过程更精细有KOI的数据，为什么不直接用呢？有很多大型的机构往往比较大，有很多学生，比如清华大学里面会含有医院这样的实体，与此同时还有中小学这样一些实体都是放在清华大学里面的，我们希望通过这样的分类更好的把这些实体完全区分开来，这是我们的背景。

接下来把它映射到解决方案中去，跟图形截取类似，首先第一步搜索这样的数据，第二是对这些数据做一些处理的过程，接下来对数据做了一些处理，提取一些特征，接下来做特征相关的融合，最后基于特征做这样的分类，大概是这样的过程。这个过程中发现，图嵌入的会比较慢，往往数小时才能完成这样的工作，我们基于前面所描述的系统对这部分工作进行加速。大家知道图嵌入本质上讲是把高维析出的空间嵌入到低维空间里去，比如128维的空间，不是特别好的直观看到的数据进一步嵌入二维平面上去，如图对应的点就是一个实体，在这个平面上点越近表示图嵌入效果越好，大家看到这是一些大学实体，最终向量聚焦于这一块，我们对它做了相对比较好的分类。

把刚才的图映射到卫星地图上看，我们发现对于清华大学的附中做比较好的区分，清华大学附中从清华大学剥离出来，把这一块作为中小学的实体，满足这样功能的同时，整体训练过程平均加速13倍，与此同时整个成本降至12%，有非常好的加速效果。

下面是我们通过异构计算加速数据科学的方案，整个产品落地于百度云数据科学平台这样一个产品上，大家可以通过这个产品看到，是个编程的界面，与此同时在里面内置了自动机器学习以及下层加速好的算子。有类似于题词器这样的概念，大家想做哪个功能可以更方便的应用到这些功能，上面还提供一些模型，大家比较好的复用我们之前的成果。产品主要的性能除了高性能、自动化、按需托管之外，另外是数据的安全和高效联合建模，让数据有更好的价值，通过数据共享发挥整个数据的价值，在共享过程中数据是可用但是不可见的。我们数据科学平台的入口网址如图，欢迎大家去试用。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!