助力国内某大型互联网出行平台企业打造机器学习平台-中科曙光

助力国内某大型互联网出行平台企业打造机器学习平台

项目背景

国内某大型互联网移动出行平台提供了出租车、快车、专车、豪华车、公交、代驾、企业级、共享单车、共享电单车、汽车服务、外卖、支付等多元化的服务。目前全平台大概有千万名司机，数亿用户，每天完成数千万订单，新增超过上百TB的原始轨迹数据。为了能够实时学习城市交通出行规律，了解交通工具和道路情况，以毫秒级的速度实时计算，做出更合理的供需匹配和智能调度，优化乘客的出行体验。需要结合海量历史数据，建立算力非常强大的机器学习平台来支撑深度学习、强化学习、语音、文本、图像等 AI 技术能力，做出智能决策。

需求分析

机器学习平台支撑了人脸识别、语音识别、目标检测、自然语言处理（NLP）、到达时间预估（ETA）等业务的开发实验、离线训练、在线服务等场景，是AI研究与生产的高频操作平台。为了能够支撑机器学习平台范围如此广泛的应用，对其自身的服务能力也提出了非常高的要求：

1. 深度学习算法一般属计算密集型应用，需要统筹调度GPU计算资源，提升资源的使用效率；

2. 简化开发环境的部署调试，提升开发效率；

3. 加速离线运算，赋能在线运算；

解决方案

1. 实现资源管理和任务调度，灵活的调度资源，优化集群资源利用，更加细粒度的资源控制，使资源使用方能够用即申请，完即释放，解决了资源统一管理和调度的问题；

2. 通过容器化平台将算法环境封装成Docker镜像的方式实现快速环境部署及作业指派；

3. 针对机器学习的任务对数据访问延迟有较高要求的需求，使用分布式存储系统，支持支持Posix接口，支持RDMA技术，提供充足的I/O聚合带宽及超低延迟，稳定可靠、具有线性扩展能力；

4. 从分布式系统、分布式并行机器学习执行模式、机器学习算法工具集三个层面提供深度学习优化策略，帮助用户实现全栈优化；

用户收益

助力用户打造高效、可靠、智能的机器学习计算平台支撑 AI 引擎，赋能智能交通决策，优化乘客的出行体验，提高出行效率。

关联公众号

关联公众号

严正声明

联系我们

售后服务

助力国内某大型互联网出行平台企业打造机器学习平台