产品优势

优势 为什么选择腾讯云 DI-X 深度学习平台?
深度学习

支持 TensorFlow、Caffe、Torch 三大主流深度学习框架,在支持自定义算法的同时,还提供了常用深度学习模型,即拖即用。

集成性

与腾讯云的存储(COS),计算(GPU计算平台)能力无缝对接,您可轻松闭环完成海量数据的存储和分析挖掘。

可视化

可视化的拖拽式任务流设计界面、输入、组件、算法、模型、输出五大模块,轻松组合出复杂的深度学习任务流。

灵活性

调度方式多样化,支持多实例并发和参数循环调节,让算法工程师和数据科学家快速调出最佳参数。

全流程

集模型训练,预测,部署的功能于一体,并提供公共数据集和业界模型,帮您快速释放数据价值。

 

产品功能

可视化配置
拖拽式任务流设计

通过方便的可视化拖拽组合操作,组成复杂的任务流,完成模型的训练和预测过程。

多种模块支持

支持五种模块,输入,组件,算法,模型,输出,可以灵活组合。

支持数据流

每个模块都有输入和输出,连接后上下游节点之间能自动感知。

组件和算法
支持业界主流深度学习框架

支持 TensorFlow、Caffe、Torch 三大框架,用户可以提交自己的算法或者模型结构,后续将会支持更多主流框架。

内置多种深度学习算法

支持多种 CNN、RNN、DBN 等多种成熟的深度学习算法,可应用于图片分类,视频识别和自然语言处理等。

训练和预测
灵活多变的运行模式

支持多实例运行,可以周期调度,也可以参数循环调节,实现自动化调参。

多种模型评估方式

模型运行中可以通过模型控制台查看动态指标变化,运行后可以通过模型评估模块,观察最终的静态结果,动静结合。

模型离线和在线预测

支持模型从训练到部署的全流程,除了离线批量预测,还可以将深度学习模型部署到线上,通过Http或者gRpc接口,实现Online Inference服务。

 

应用场景

图像识别

图片从服务器上传到 COS 对象存储后,您可以通过 DI-X 调度 CPU 和 HPC 集群对图片数据进行裁剪、格式转换等数据预处理;接下来采用 Faster R-CNN 或其他算法进行图象识别的模型训练,并优化参数直至最优;训练完毕的模型即可用于其他图片的图像识别预测,以判断图像物品的基本属性。

DI-X 的图片识别结果可广泛应用于公安领域的网络鉴黄,反恐的高危行为检测、嫌疑人特征检测,广告推荐领域的新商品识别、相似商品推荐,智能交通领域的车辆识别、行人识别、自动驾驶等场景。

用户流失预测

您可以把游戏或者 APP 服务器上的日志实时地同步到 COS 对象存储中,采用 DI-X 调度云端强大的 CPU 和 HPC 计算能力对用户行为或其他游戏日志进行数据清洗等预处理;接下来采用 Scale 等特征工程技术进行特征处理后的特征信息即可进入模型训练环节,训练完毕的模型将会被保存于 COS 对象存储中,以便于进行游戏流失率的预估。

游戏运营专家可以在游戏动态运营系统上,根据游戏流失率的预估结果选择策略以进行低活跃用户召回、用户流失原因分析、推广活动效果评估等动态运营。

精准营销

APP 服务器或者 Web 服务器上的用户行为日志数据同步到 COS 对象存储之后,算法工程师和数据分析师可以采用 DI-X 调度云端 CPU 和 HPC 计算能力对用户行为数据进行 ETL 数据预处理;经过预处理后的数据经过特征提取和特征组合衍生之后,即进入模型训练环节;经过 MLP 训练完毕的模型将会被保存于 COS 对象存储中,以在广告行业中进行点击率和广告投放的预估。

DSP 服务商将会在精准营销系统中采用预测结果,进行广告点击率的预估和精准广告投放,以提升有限流量的无限价值。