申请试用
HOT
登录
注册
 
58同城深度学习平台资源使用率优化实践
58同城深度学习平台资源使用率优化实践

58同城深度学习平台资源使用率优化实践

GDG
/
发布于
/
987
人观看

陈泽龙,58同城AI Lab后端高级工程师,2019年加入58同城,目前主要负责深度学习平台和向量检索平台后台开发相关工作。2016年硕士毕业于中国科学院大学,曾就职于中科院信工所。
议题介绍:58同城深度学习平台基于Kubernetes和Docker构建,支撑了58同城搜索、推荐、图像、NLP、语音、风控等AI应用。
本次分享首先介绍如何利用Intel开源库MKL和开源推理引擎OpenVINO提升模型推理性能,然后再分享通过TensorFlow模型混合部署、GPU虚拟化技术、模型推理资源监控告警等提升平台资源使用率。

2 点赞
0 收藏
2下载
确认
3秒后跳转登录页面
去登陆