【51CTO.com原創稿件】2017年12月1日-2日，由51CTO主辦的WOTD全球軟件開發技術峰會將在深圳中州萬豪酒店隆重舉行。本次峰會以軟件開發為主題，數十位專家級嘉賓將帶來多場精彩的技術內容分享。屆時，黃文波先生將在軟件性能優化專場與來賓分享"深度學習在移動端的優化實踐"主題演講，為大家詳細闡述深度學習模型的設計和優化策略等問題。51CTO誠邀您蒞臨大會，與我們共享技術帶來的喜悅。

深度學習是機器學習中一種基于對數據進行表征學習的方法，深度學習的好處是用非監督式或半監督式的特征學習、分層特征提取高效算法來替代手工獲取特征。深度學習在聲頻、圖像、視頻處理上已經取得了令人印象深刻的進步，但是它通常需要功能強大的電腦才可以進行，如果它出現在我們的手機上呢？日前，51CTO有幸專訪到蘑菇街-圖像算法工程師黃文波先生，聆聽他對于深度學習模型在移動端的設計和利用方面的見解。

移動端的深度學習從平臺角度來說，分為iOs和安卓，iOs發布的時候就已經提出比較基礎的深度學習的功能，并且已經達到了可用的階段。安卓這方面的情況要稍微復雜一些，因為安卓涉及到的技術比較多，每個廠家采用的CPU存在一些差距，無法統一起來。蘑菇街技術團隊目前針對iOs和安卓框架都進行了一些典型的嘗試。
 

[[206291]]
黃文波

      【黃文波，圖像算法工程師，主要從事深度學習相關工作，包括模型加速壓縮、GAN、人臉相關應用，尤其對深度學習在移動端的本地優化運行有較深入的研究。】

在深度學習模型方面，蘑菇街做了很多工作。想要應用在手機上面，除了保證性能，模型的大小也是非常重要的限制性因素。手機的空間有限，不可能一個機器里面搭載一個只有幾百兆的模型，所以模型壓縮這一塊的工作非常重要，目前具體的應用是在內網里面，類似于上線分析的功能現在已經在做，比如圖像分析，包括對身體的各個部分，可以從像素級分析出來，蘑菇街已經覆蓋和實現了。之前還做過一些識別服裝款式的功能，比如說拍到你的衣服，我們可以告訴你的終端機器，用機器自動識別它是什么T恤。

前幾年的模型發展是往深度做，當時他們把模型做的很深，有上百層。這樣做深的話，有一部分模型會非常大，放在一個手機上的話，就要把這個模型塞到一個APP里面，一個APP里面本來就有自己的空間，還要搭載這個模型，這是不太現實的。另外手機的性能也有限，手機端的內存肯定跟服務器沒辦法比，500兆的模型放進去，要耽誤非常大的內存空間，這是內存。另外手機上的CPU性能也沒有服務器好，所以在手機上進行深度學習的時候，你的計算機也要有很高的指標。另外功耗方面，雖然手機現在的功耗是降低的，如果模型功耗很大的話，耗電量也會受到的影響。

提到模型的壓縮的標準化，其實就是在保證精度的情況下，讓你的模型盡量的變小，模型變小就意味著參數變少，意味著計算量變小。最基本的條件就是你要保證精度不能下降太多，下降10%到20%是可以接受的。另外的壓縮標準就是空間，想要把模型壓縮到足夠小，能夠在手機上用才行。比如說幾百兆的模型肯定是不適合的。比如我們現在可以達到7兆或者10兆，這樣就可以放在手機里面，放在一個APP里面了。

另外一種思路就是去年開始比較多的，從網絡結構的設計上讓它變的非常非常小。現在也是很多手機上都在用這個模式。它用的深度學習模型從設計開始就特別小，在模型的場景里面就不需要再壓縮了。

蘑菇街是時尚和電商結合起來的服務運營商。通過在移動端搭載深度學習模型，我們想要實現智能化的時尚推薦服務，讓手機端的蘑菇街"更了解你"。

例如在本地分析用戶相冊里面的穿衣風格，我們會進行本地分析，不需要用戶上傳到服務器，我們在本地分析用戶相冊里面照片的風格，分析得出你的穿衣喜好，在APP里為用戶做更精準的推薦。甚至除了分析相冊，也可以直接選中一張圖片，比如某一個時尚達人，或者某一個模特，根據他們的穿衣風格，在服務器上面向用戶推薦跟這個穿衣風格匹配的衣服，或者是褲子、帽子、包包之類。通過深度學習模型在移動端的應用，我們力求讓蘑菇街成為用戶最貼心的私人時尚顧問，蘑菇街除了有技術人才，還有很多時尚專家，各部門聯手為用戶的穿衣打扮提供更加智能化的服務。

使用優惠碼[2017WOTDSZ]，和我一起去WOTD全球軟件開發技術峰會。8折優惠，僅剩48小時！

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】