华为在深度学习平台上的优化实践

“Kubernetes Meetup 中国 2017”——北京站3.18落幕啦！本次分享嘉宾彭靖田来自华为，他的分享题目是《华为在深度学习平台上的优化实践》。实录将从深度学习平台的架构、优化等几个方面，介绍华为在深度学习平台上的实践。本文由才云科技供稿。

彭靖田：华为中软大数据工程师。2016年毕业于浙大竺可桢学院求是科学班，加州大学圣迭戈分校访问学者。毕业加入华为后，主要从事深度学习平台的设计和研发工作，专注开源社区。先后在 TensorFlow 社区独立贡献了 Mnist 分布式模型、VariableAsGradients、InitWithoutInitializer 等特性。同时，从 Kubernetes v1.3开始，参与维护 Kubernetes 社区 CentOS 平台相关脚本。

今天第一部分主要讲华为在深度学习方面的应用需求以及华为在深度学习平台遇到的一些挑战。第二部分是讲华为深度学习平台的架构、优化以及经验。

这两年，深度学习取得了突破性发展。尤其是在语音识别和图像识别这两方面。

在 ImageNet 图像分类任务上，AI 现在的错误率2.9%已经超越人类5%了。去年的 AlphaGo 又一次在围棋领域打败了人类顶尖高手李世石。今年年初的时候，AlphaGo 2.0 Master 大败中日韩三国高手，围棋领域也被 AI 突破。最近深度学习还被应用在在图像风格迁移 Prisma 和皮肤癌诊断。

那么华为面临的是一个怎样的深度学习应用需求呢？答案是，要做业务的智能