近兩年人工智能技術發(fā)展迅速，以Google開源的TensorFlow為代表的各種深度學習框架層出不窮。為了能讓國內人工智能技術更好的落地，并且人工智能也是大數(shù)據分析的主要方法，作為大數(shù)據協(xié)同安全技術國家工程實驗室牽頭公司的360，其系統(tǒng)部大數(shù)據團隊與人工智能研究院基于長期的研究和實踐成果，開發(fā)了基于Hadoop大數(shù)據能力的人工智能平臺XLearning。大數(shù)據協(xié)同安全技術國家工程實驗室是國家發(fā)改委批準建設的國家級大數(shù)據安全研究創(chuàng)新平臺，是大數(shù)據領域唯一的由民營企業(yè)承擔的國家工程實驗室。該實驗室目前由360公司牽頭，主要負責大數(shù)據基礎架構、安全防護和應用領域方面的研究。

　　360 XLearning項目負責人李遠策表示， XLearning對于開發(fā)者意義重大，因為同行業(yè)公司都會有類似開發(fā)需求，XLearning則可以幫助他們實現(xiàn)調度的統(tǒng)一和服務器資源的復用。隨著平臺算法庫的不斷增容和優(yōu)化，開發(fā)者工作難度將大大降低。他們將有更多精力，用于功能的實現(xiàn)和代碼的優(yōu)化。此外，除了人工智能平臺XLearning之外，360在大數(shù)據開源技術領域也不斷創(chuàng)新，如Poseidon系統(tǒng)、pika系統(tǒng)等均是360在大數(shù)據領域的獨創(chuàng)開源技術。

圖1: 大數(shù)據協(xié)同安全技術國家工程實驗室

　　(官網地址：http://nelab-bdst.org.cn/)

　　(官方微信名稱：大數(shù)據協(xié)同安全國家工程實驗室)

圖2: 360深度學習調度平臺XLearning

　　(XLearning項目開源地址https://github.com/Qihoo360/XLearning)

　　XLearning平臺將大數(shù)據與深度學習相融合，基于Hadoop Yarn完成了TensorFlow、MXNet、Caffe、Theano、PyTorch、Keras、XGBoost等常用深度學習框架的集成，是典型的“AI on Hadoop”的實現(xiàn)。XLearning從今年4月份正式開發(fā)上線運行，經多次版本迭代更新，為各學習框架的使用者提供了統(tǒng)一、穩(wěn)定的調度平臺，實現(xiàn)了資源共享，極大的提高了資源利用率，并且具有良好的擴展性和兼容性。

圖3：XLearning架構

　　其中，Client是XLearning客戶端，負責啟動作業(yè)及獲取作業(yè)執(zhí)行狀態(tài); ApplicationMaster主要負責輸入數(shù)據分片、啟動及管理Container、執(zhí)行日志保存等; Container是作業(yè)的實際執(zhí)行者，負責啟動Worker或PS(Parameter Server)進程，監(jiān)控并向AM匯報進程狀態(tài)，上傳作業(yè)的輸出等。對于TensorFlow類型作業(yè)，還負責啟動Tensoard服務。

　　XLearning雖然架構簡潔，但具有豐富的功能方便用戶進行模型訓練，并依托于Yarn提供有作業(yè)資源的統(tǒng)一管理。首先，Xlearning平臺支持TensorFlow、MXNet分布式和單機模式，支持所有的單機模式的深度學習框架，如Caffe、Theano、PyTorch等;其次，XLearning提供多種模式用于數(shù)據的輸入、輸出，包括數(shù)據的流式讀寫、直接HDFS讀寫等，可根據作業(yè)處理的數(shù)據量與集群機器硬盤容量，視情況決定所采用的讀寫方式;再者，為方便用戶查看作業(yè)信息，XLearning提供可視化界面用于展示作業(yè)執(zhí)行進度和輸出日志等內容;另外，XLearning還支持TensorFlow分布式模式的ClusterSpec自動分配構建，單機模式和其他深度學習框架代碼不用做任何修改即可遷移到XLearning上，便于用戶快速使用;最后，利用深度學習框架本身的Checkpoint機制和直接讀寫HDFS數(shù)據功能，XLearning方便用戶實現(xiàn)訓練恢復繼續(xù)執(zhí)行。

　　作為國內人工智能領域的先行者，360公司以平臺開源的形式，實現(xiàn)了行業(yè)已有資源的集成和優(yōu)化。相信未來，以360公司牽頭的大數(shù)據安全協(xié)同技術國家工程實驗室將為提升我國網絡安全和大數(shù)據人工智能產業(yè)和學界的整體水平貢獻更多力量。

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創(chuàng)性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯(lián)系我們，本站將會在24小時內處理完畢。