前言

近幾年人工智能迎來發展高峰，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***研究前景和發展潛力的方向。

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，分為有監督學習和無監督學習兩種，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務中的應用實踐以及美團云GPU云主機在其中發揮的作用。

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務中的應用

深度學習需要大規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個環節，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化，準確率還將不斷提升。

結語

除了在酒旅業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。