以前，科技创新领域的状态差不多是“全国看北京，北京看硅谷”的状态，而现在信息传播和沟通都很方便，我们可以直接与国外进行连接，这也是 NJSD 大会可以全球化的原因。
（2017 NJSD 全球软件大会）
大会通过技术高峰论坛、云技术、互联网安全、软件测试与保障、YOCSEF VR/AR 技术专场、敏捷精益游戏工作坊、人工智能、大数据、产品设计与运营、技术团队管理、DevOps 开发运维、架构师峰会、研发教练和组织赋能、移动开发、软件产学研、“慕测杯”开发者测试邀请赛等 12 场领域专题论坛、2 场产业论坛、1 场技术高峰论坛、1 场代码秀分享科技“大牛们”的技术干货。
为了结识更多的同行朋友，乃至找到技术知音。来自才云科技（Caicloud）的资深大数据科学家何辉辉特别分享了《基于 TensorFlow 与迁移学习构建图像识别应用》，这一话题充分体现了大会组委会对技术话题“前沿性、新颖性和实用性”三个纬度的要求，并与大会“全球性的视野”不谋而合。
（才云资深大数据科学家：何辉辉）
众所周知，我们大脑的成像过程似乎很容易，人们毫不费力地就能区分出狮子和美洲虎、阅读符号或是识别面孔，但是这些任务对于计算机而言却是一个大难题。
在过去几年里，机器学习在解决这些难题方面取得了巨大的进步。其中，一种被称为深度卷积神经网络的模型在困难的视觉识别任务中取得了理想的效果 ，可以堪比人类水平，甚至在某些领域超越。
谷歌内部早在 2011 年就开始了对大规模并行化深度学习 DistBelief 系统的搭建。通过该系统，谷歌实现了在语音识别，图像识别，自然语言处理等多个领域的突破。在语音识别方面，此系统将谷歌语音搜索应用的错误率降低了 25%；在图像识别方面，此系统为谷歌赢得了 ImageNet 的图像识别竞赛并成功的超越了人类表现；在自然语言处理方面，谷歌翻译通过此系统进一步提升了翻译结果。基于 DistBelief 系统，谷歌于 2015 年底开源了一套更加灵活，效率更高的深度学习系统——TensorFlow。AlphaGo 的开发团队 DeepMind 也宣布完全转移到了 TensorFlow 这套系统。
因底层计算模型迥异，Hadoop、Spark 和 TensorFlow 有完全不同的擅长之处和特点。Hadoop 和 Spark 的底层计算框架均基于 Map-Reduce，TensorFlow 底层则基于矩阵运算。Hadoop 和 Spark 适用于数据的清理、转化和统计，TensorFlow 则更专注于数值计算。比如 TensorFlow 不容易实现统计单词出现个数的功能，但可以在短短几行代码中实现深度学习算法。
为了适应海量数据的需求，进一步降低 TensorFlow 的使用门槛，才云早在 2016 年 4 月即发布国内首个基于容器集群的分布式深度学习 TensorFlow 系统 Clever，于 2 月 12 日正式发布产品 TensorFlow as a Service (TaaS) 商用版。
TaaS 包括支持 CPU 和 GPU 的分布式 TensorFlow 模型训练平台和 TensorFlow 模型托管平台。通过将 TensorFlow 与谷歌开源的容器云平台管理工具 Kubernetes 结合， 才云提供的 TaaS 服务解决了 TensorFlow 在使用中学习成本高、管理难、监控难、上线难等问题，旨在帮助企业更快、更容易地体验和应用最新深度学习技术。
作为国内首家提供商用分布式 TensorFlow 解决方案的云平台，才云势必将引领大数据市场发展的新潮流。
本文转载自才云 Caicloud 公众号。
原文链接：https://mp.weixin.qq.com/s/tln4rHy1kwi5MUuP3enNyw
腾讯大规模云原生技术实践案例集
本案例集详细阐释了 QQ、腾讯会议、和平精英、小红书、斗鱼、微盟等十多个亿级用户产品背后的大规模云原生...
评论