近日，腾讯低调发布首个AI开源项目Angel 3.0版本，进化版的Angel 3.0则尝试打造一个全栈的机器学习平台。
先来科普一下，Angle是基于参数服务器架构的分布式计算平台，致力于解决稀疏数据大模型训练以及大规模图数据分析问题，由腾讯与北京大学联合研发。
最新版本的3.0，功能特性涵盖了机器学习的各个阶段：特征工程，模型训练，超参数调节和模型服务。
Angel的特征工程模块基于Spark开发，增强了Spark的特征选择功能，同时使用特征交叉和重索引实现了自动特征生成。这些组件可以无缝地整合进Spark的流水线。为了让整个系统更加的智能，Angel 3.0还新增了超参数调节的功能，目前支持随机搜索，网格搜索和贝叶斯优化三种算法。
在模型服务方面，Angel 3.0提供了一个跨平台的组件Angel Serving， Angel Serving不仅可以满足Angel自身的需求，还可以为其他平台提供模型服务。
在生态方面，Angel也尝试将参数服务器（PS）能力赋能给其他的计算平台，目前已经完成了Spark On Angel和PyTorch On Angel两个平台的建设。
这两个平台各有优势和侧重，Spark On Angel使用的是Angel内置的算法核心，主要负责常见推荐领域的机器学习算法和基础图算法。 PyTorch On Angel使用PyTorch作为计算核心，主要负责推荐领域深度学习算法和图深度学习算法。
回顾Angle 的历史。2017 年 6 月， Angel 在 Github 上低调开源。开源两周，这个项目在 Github 上已收获 183 Watch，1693 Star，389 Fork，也吸引了许多业界工程师关注与贡献。
2018年9月，Angel 2.0版本发布，支持千亿级模型维度训练，同时算法库也更加丰富，首次引入了深度学习算法和图算法。同年，Angel加入Linux旗下深度学习基金会（现已更名为 LF AI 基金会(LF AI Foundation)），结合基金会成熟的运营，升级的Angel 2.0与国际开源社区继续深入互动，致力于让机器学习技术更易于上手研究及应用落地的目标。
截至目前，Angel在GitHub上Star数已超过4200，Fork数超过1000。Angel项目目前总共有38为代码贡献者，其他包括8位committer，他们总共提交了超过2000个commit。而腾讯开源在GitHub上整体的项目数也已突破80个，涵盖AI、云计算、安全等多个领域，累计获得了超过23万Star。
从1.0到3.0，Angel从一个单一的模型训练平台发展到涵盖机器学习各个流程，包含自己生态的通用计算平台，代码量也超过了50万行。
为了后续维护和使用的方便，Angel将拆分成8个子项目，统一放在Angel-ML目录下（https://github.com/Angel-ML）：angel，PyTorch On Angel，sona（Spark On Angel），serving，automl，mlcore，math2和format。
而在应用上，据了解，自2016年年初在腾讯内部上线以来，Angel 已应用于微信支付、QQ、腾讯视频、腾讯社交广告及用户画像挖掘等业务。
在过去12个月，Angel在腾讯内部的任务数量有了非常明显的增长，增幅达到150%。值得一提的是，Spark On Angel的任务数增长了10倍，为了让Spark On Angel更加的易用，3.0版本对Spark On Angel做了大幅度升级。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
