2017 年 6 月 24 日，又拍云旗下技术沙龙 Open Talk 来到人工智能公司最为集中的城市之一——深圳，探讨了“大数据和机器学习最佳实践”这一热门话题;阿基米公社的活动现场挤满了被话题吸引来的不雅观众。

大数据、机器学习已经成为研究人工智能不能或缺的两大要素，本次Open Talk的讲师来自华为、数果科技、又拍云等公司在大数据、机器学习领域颇有实战经验的工程师，分享了各自业务在大数据、机器学习方面的实践经验，深受现场不雅观众认可。此次Open Talk由IT大咖说提供直播支持。

训练人工智能，如何搭配硬件?

“内容识别”是又拍云于 2017 年推出的首个人工智能产品，可应用于图片、直播、点播等场景，智能识别色情、广告、暴恐等不良内容，其中鉴黄识别率已经高达99.7%。

在Open Talk现场，负责又拍云“内容识别”开发工作的叶靖，在《又拍云的深度学习实践》的分享中，介绍了又拍云在开发“内容识别”项目的过程中，所用到的各种工具和技术，以及又拍云在人工智能方面的各种尝试，面临的挑战等。

又拍云“内容识别”的开发基于超千亿张的图片数据，以及深度神经网络，“最重要的一个工具就是GPU，GPU性能好，CPU运算速度都是 50 几毫秒，但GPU可以达到0. 17 毫秒。但GPU还有很多不足的地方，GPU对硬件依赖性很高又不易扩展，不能像内存那样扩展到 100 多G;此外还需要针对GPU重写算法，CPU的代码不能直接拿到GPU上跑，并且比较复杂。”叶靖分享了对研发“人工智能”时候的硬件选择，也介绍了其中存在的问题：“GPU从数据、内存拷贝数据的速度比较慢慢，写代码时要尽量制止内存的拷贝。”

“我们选择了 4 张 1070 显卡，配置了SSD，因为很多数据从机械硬盘读取的话严重影响训练速度。在CPU上，为了突破CPU的通道限制，我们选择了 8 核CPU* 2 的配置。在操作系统的选择上，又拍云采用了Ubuntu 16.04，一开始选择了14.04，结果出现了一大堆的问题。”叶靖好不藏私的分享内容，引起了现场不雅观众热烈的提问。

海量用户数据的处理妙招

人工智能的训练需要大数据，面临大数据的处理也需要人工智能的参与。数果智能联合创始人、首席架构师黄强在本次 Open Talk 上分享了《海量用户行为数据的储存和分析》。

“用一句话来说，用户行为数据就是用户在产品上的操作行为的记录。”黄强高度概括了用户行为数据的含义，“其中包孕了时间、地点、页面信息等信息。”一般企业的用户数到了几十万，用户一天下来做的所有的操作行为，像一个用户行为数据包罗用户的IP、sessionID、imei、终端ID，这个数据量是非常庞大的，每一天就是一个App都是几百亿甚至上千亿的数据量。

这些数据里，高基数的维度很多。“我认为基数在百万以上就比较高了。”黄强认为。什么是基数?好比说用户ID有一个很大的量，一个维度下有多少个不重复的值，这种值就可以叫ID，如果基数很高，这个值会非常多。高基数产生的数据量非常庞大，几千万到上千亿都是有可能，还有用户行为是持续的。这些都是用户行为数据的处理难点。

黄强分享了用户行为数据处理环节的几个步骤：第一步是采集，通过SDK等方式、工具采集数据;采集到数据之后需要进行存储，“数据量非常大，需要拆成很多份，采用分布式资源，才能最大化利用一台设备的计算资源。”因为数据被拆散了，所以数据处理还需要加入“查询”功能，把查询结果做一个合并，输出最终结果。此外就是数据的索引，克分为倒排索引和正向索引两种方式。

数据很重要，更重要的是呈现方式和互通

华为消费者BG数据分析架构师王在清作为压轴嘉宾，带来了《数据分析与洞察》。王在清 因工作需求，从市场销售分析投入到数据分析领域，后续进入架构、数据挖掘等领域，曾参与多项跨国企业的全球BI/DW 建设工作，擅长分析物(产品、事件)与人(客户、员工)。

在活动现场，王在清主要介绍了华为消费者BG的数字化建设与数据驱动，从建立数据体系到分析洞察应用。

很多年前，许多公司都在落地信息化，建了一大堆IT系统，“但全部都是数据孤岛，数据跟数据没有什么连接。从现在回来看，这些数据开始建设的时候，就应该有一个统一的视图，借助统一的视图完善数据的关联。一开始有一个整合视图以后，还可以是数据岛，但是岛与岛的交通线是一致的，而不是事后两边各建一个桥，，运气欠好还建两座桥。”