北京大学计算机系教授博士生导师崔斌：以机器学系统Angel支持大数据所带来的挑战

那其他的机器学习平台，当然也有很多。比方说像刚才提到过的像08：40（英），原来是08：42这么一个机器学习的系统，后来被苹果收购了，现在也不开源了。08：48（英）还做过一个也是集成服务器08：51（英）一个分布式机器学习系统。它是实验室做的，后来因为它开始也成立创业公司，融资了，它现在也不开源了。像微软他们开始做的一些系统，现在主要也是支持深度学习比较多的。另外一个09：10（英）也是一个开源的系统，它通常是针对梯度提升类的，所以它针对性比较强。当然09：19（英）这类系统，其实在市面外面很多大数据竞赛，参加的队伍很多人还是用这个去做蛮多的，因为它里面做了一些决策数，它很多它支持，它支持的很好，速度很快，也很容易用。最后一个09：32（英）最开始是酷狗它推出了，最后它慢慢变成了09：37（英），也支持，主要支持深度学习。

那我们跟系统大概做一些比较，其实可以发现，数据的那些系统它可能是比较适合于通用的大数据，不太适合机器学习的这种算法。然后图计算的系统呢，它比较适合抽象，能够抽象成稀疏图结构的这一类算法。然后深度学习系统它主要场景是用来计算一些密集性的应用，比如说10：04（英）他们性能会比较好。

然后通过做这些机器学习的算法我们做一些分析，我们可以发现，其实在分布式机器学习这个过程中，它的一个核心就是一个参数的共享。也就是说每次参数在不同的传递，不同的过程当中，你怎么把这个事情做好，是提升机器学习效率的一个关键。所以我们在设计这个系统的过程中，主要就是我们把想提供一些很好的参数共享的服务。然后能够在这个基础上，再来整合多类的机器学习系统。

好，接下来简单介绍一下，系统的介绍。系统介绍，我们系统的框架大概就是长这个样子，然后在客户端我们用来控制任务的运行。客户端也就是说用户你可以提交一个机器学习的任务，给这个系统，用来启动和停止任务，然后加载或存储模型。然后在这个11：01（英）结点，它就是作一些基本的控制。我来约定说我用什么样的数据、用什么样的参数，是不是要给它做一个分片，要做什么样的分啪，然后你去申请什么样的资源，对吧。还有管理整个系统执行的一个过程。然后在右上角那几个点，就是一个参数，参数服务器，你可以把参数进行分片，存在不同的服务器结点上面。下面就是所有的工作结点，根据你本地的数据，做一个运算。这些具体的我这里就不讲了。

（编辑：PHP编程网 - 湛江站长网）

【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!