在AICon北京2017大会上，【李珂】讲师做了《借助TensorFlow在CTR预估中快速落地DNN》主题演讲，主要内容如下。

演讲简介：

DNN是广告/推荐CTR预估的重要技术。在今年以前，企业要从LR，FM迁到DNN上时需要自己编写DNN的训练和实时预测代码。这种办法对算法团队的能力要求高，上线周期长，算法迭代的成本也高。今年年初TensorFlow cluster模式和TensorFlow serving为企业引入DNN提供了一个便捷的方案。当然在一个开源软件和一个能够稳定运行，支持快速算法迭代的生产系统之间还是存在着一个巨大的gap的。

本次分享将介绍vivo如何填补这个gap，搭建一个每日能够稳定运行每日3000万日活，超百亿次预估的系统。其中的内容包括硬件选择（GPU or CPU，CPU内存比）、TensorFlow分布式方案的选择（Docker or Hadoop）、TensorFlow HA方案的选择、TensorFlow在训练大规模模型的坑（HDFS IO等）、如何设计网络减少DNN的线上计算量、基于serving的线上预测服务的架构等。

听众受益

减少未来有意用TensorFlow进行大规模机器学习的听众踩的坑；
硬件选购的经验；
一些CTR预估中DNN的trick。

讲师介绍：

李珂

vivo 互联网算法团队负责人

李珂，2010年博士毕业于美国德州农工大学，主攻数据挖掘、统计学习方向。加入vivo前在华为大数据产品部任首席数据科学家，负责金融行业的数据挖掘解决方案设计和落地。加入vivo后组建了互联网业务的AI算法组，现在主要负责广告、推荐、搜索、NLP、图像算法。现在这些算法已广泛支撑vivo浏览器、应用商店、游戏中心、i音乐等APP。

完整演讲PPT下载链接：

https://aicon.infoq.cn/2017/beijing/schedule

创作场景

借助 TensorFlow 在 CTR 预估中快速落地 DNN