前言

近幾年人工智能迎來發(fā)展高峰，越來越多的人開始意識到，機器可以通過學習擁有智能，進而取代一部分人類工作，這促成了人工智能的技術研究達到***的熱度。深度學習便是目前主流的研究領域，并被認為是***研究前景和發(fā)展?jié)摿Φ姆较颉?/p>

深度學習的研究動機是建立可模仿人腦進行學習的神經網絡，分為有監(jiān)督學習和無監(jiān)督學習兩種，目前主流的深度學習框架包括：TensorFlow、Caffe、Theano、MXNet、Marvin、Torch等等。下面選擇其中4種框架進行對比，分別為TensorFlow、Caffe、Theano和MXNet，并介紹基于深度學習的圖像識別在美團酒旅業(yè)務中的應用實踐以及美團云GPU云主機在其中發(fā)揮的作用。

不同深度學習框架的對比

TensorFlow是谷歌開源的一款深度學習框架，目前應用最為廣泛，支持圖像、文字、語音的識別，自然語言處理等功能，可以說是一種通用型學習框架;Theano支持手寫字識別、圖像分類、自然語言處理等功能，但是比TensorFlow速度要快;Caffe在計算機視覺領域表現突出;MXNet是上述幾種框架中擴展性***的，支持CNN(卷積神經網絡)、RNN(遞歸神經網絡)、LSTM(長短期記憶網絡)，并且也能夠支持多種功能，亞馬遜就選擇了MXNet作為其深度學習框架。

下面通過語言、速度、靈活性、適用模型、上手難度等方面對比四種框架。

 

 

(表1)

 

 

(圖1)

從表1中的綜合對比來看，這四種框架各有優(yōu)劣，MXNet綜合能力更全面。從圖1中可以看出單卡GPU處理下，MXNet的loss是這四種框架中***的，所用時間也最短。

TensorFlow在性能上和其他框架相比劣勢比較明顯，但靈活性很高，支持各種復雜的網絡模型，方便配置新的算法和環(huán)境并且支持可視化;

Caffe在圖片處理上的速度很快，用K40 GPU處理圖片可以達到2ms/張的速度，并且在學術及工業(yè)領域有很多可以借鑒的項目;

Theano支持語言較少，其他方面表現都還不錯，是一種適合學術研究的學習框架。

在美團酒旅業(yè)務場景中，美團云提供預裝了TensorFlow框架的GPU云主機來進行圖像識別訓練。

基于深度學習的圖像識別在酒旅業(yè)務中的應用

深度學習需要大規(guī)模數據的運算來訓練模型，其性能主要受GPU浮點運算能力的影響，所以選擇合適的GPU是提升訓練效率的重中之重。

選擇GPU主要考慮三方面因素：浮點運算能力、功耗和成本。一般情況下，GPU的浮點計算能力與其功耗成正比，另外現在GPU的更新換代速度比較快，所以大規(guī)模堆置高性能機器可能會造成一定程度的資源浪費。

美團云提供的GPU云主機搭載了NVIDIA Tesla M60 GPU，預裝了TensorFlow 1.1-GPU框架和Keras 2.0.4框架。M60可提供***4096個并行處理核心，16GB的GDDR5顯存及9.7TFlops 的單精度峰值性能。選擇M60也是綜合考量了性能、功耗以及成本三個方面的結果，美團酒旅圖像識別的算法訓練所選用的就是預裝了TensorFlow 1.1-GPU框架的M60 GPU云主機。

在酒旅的業(yè)務場景中，身份信息驗證、機票驗證、在線值機、驗證碼驗證等都可以利用圖像識別尤其是OCR識別技術來支持系統自動識別用戶信息，簡化用戶操作流程，并提高信息錄入的速度和準確度。

驗證識別中的主要流程包括：去噪點、去色、切片、模板對比、輸出5個環(huán)節(jié)，因此在基于深度學習的OCR識別中，美團酒旅團隊選擇了CNN(Convolutional Neural Network)+LSTM(Long Short-Term Memory)+CTC(Connectionist temporal classification)的組合算法方案：

——CNN即卷積神經網絡，包括卷積層和池層，是一種前饋神經網絡，CNN在大規(guī)模圖像處理中表現出色，因此用CNN來進行圖像特征的提取;

——LSTM是遞歸神經網絡(RNN)的一種，即時間遞歸神經網絡，適合處理和預測時間序列中間隔和延遲相對較長的重要事件，因此采用LSTM來提取時序關系最為合適;

——CTC是一種基于神經網絡的時序分類，可以實現一個輸入序列一個輸出序列就可以完成訓練。因為在輸出長度固定的情況下，選擇引入CTC來預測輸出。

 

 

(圖2：算法模型)

基于此混合算法的模型訓練，識別精度目前可以達到單次識別準確率90%以上，5次識別準確率99%以上，對于宋體、楷書等文字識別的準確率可以達到80%以上。隨著模型和算法的優(yōu)化，準確率還將不斷提升。

結語

除了在酒旅業(yè)務場景中應用圖像識別之外，美團點評在自然語言處理、人臉識別等多個領域都有所探索，美團云GPU云主機為上述領域的研究提供了訓練支撐，幫助加速訓練過程，完善算法。

目前，美團云主要提供單機單卡的GPU云主機，未來還將研究單機單卡、單機多卡與多機多卡等方式之間的性能及成本差異，提供更符合用戶需求的GPU計算服務。

 

此外，美團云于近日上線了深度學習平臺，并開放了人臉識別、OCR識別等AI應用，提供一站式AI服務。