概述
距機器學習平臺 PAI 2.0 發佈兩年後，阿里巴巴重磅發佈 PAI 3.0 版本。
先簡單介紹一下機器學習相關概念。
機器學習
機器學習分類
機器學習簡單來說就是，人教機器在我們積累的數據當中發現規律，然後能夠輔助我們來做一些預測和決策。
機器學習分類
機器學習籠統地講可以分為三類：
1）有監督學習(supervised learning)，是指每個樣本都有對應的期望值，然後通過搭建模型，完成從輸入的特徵向量到目標值映射，典型的例子是迴歸和分類問題；
2）無監督學習(unsupervised learning)，是指在所有的樣本中沒有任何目標值，我們期望從數據本身發現一些潛在的規律，比如說做一些簡單的聚類；
3）增強學習(Reinforcement learning)相對來說比較複雜，是指一個系統和外界環境不斷地交互，獲得外界反饋，然後決定自身的行為，達到長期目標的最優化，其中典型的案例就是阿法狗下圍棋，或者無人駕駛。
機器學習興起的因素
最近幾年，機器學習比以前更火了，主要是三大因素：
第一個因素是數據的因素。互聯網上每天生成海量的數據，有圖像、語音、視頻、還有各類傳感器產生的數據，例如各種定位信息、穿戴設備；非結構化的文本數據也是重要的組成部分。數據越多，深度學習越容易得到表現好的模型。
第二個因素是大規模分佈式高性能計算能力的提升。這些年來，GPU高性能計算、分佈式雲計算等計算平臺迅猛發展，讓大規模的數據挖掘和數據建模成為可能，也為深度學習的飛躍創造了物質基礎。
第三個因素是指算法上的創新。隨著數據和計算能力的提升，算法本身也有了很大的進展，尤其在深度學習方面，譬如從腦神經學上得到的靈感，在激活函數上進行了稀疏性的處理，等等。
基於上述三點，人工智能又迎來了它的第二個春天。人工智能將以更快的速度進入我們的生產和生活中來，成為我們的眼睛，我們的耳朵，幫助我們更快捷地獲取信息，輔助我們做出決策。機器學習平臺產品也因此而產生，加速迭代過程，助力技術的發展。
機器學習平臺：PAI 平臺
主流機器學習平臺
阿里雲機器學習平臺是構建在阿里雲 MaxCompute（原 ODPS）計算平臺之上，集數據處理、建模、離線預測、在線預測為一體的機器學習平臺。阿里雲機器學習封裝了阿里巴巴集團內成熟的算法，向機器學習用戶提供了更簡易的操作體驗。
PAI 3.0 推出了全新的算法模型市場，涵蓋電商、社交、廣告、金融等多個行業，數十種場景的算法模型。同時還新增了流式算法組件、圖神經網絡、增強學習組件等平臺工具。
作為機器學習平臺的內核，PAI 的智能計算引擎進行了全面升級，通過編譯技術優化通用計算引擎，訓練性能提升 400%——PAI 團隊研發了深度學習編譯器 TAO（Tensor Accelerator and Optimizer），以通用化、平臺化的方式有效解決上層 Workload 與底層硬件計算單元之間高效映射的問題。
此外，在深度學習優化分佈式引擎方面，PAI 3.0 可以實現單任務支持上千 worker 併發訓練，並支持 5k+ 超大規模異構計算集群。
PAI 希望實現「用更少的硬件，支持更多業務更快完成業務迭代」。為了完成這個目標，團隊有針對性地研發了 GPU 分時複用技術。整套技術實現遵循了數據驅動的思想，包括實時在線性能數據反饋通路、細粒度 GPU 資源複用、虛擬顯存以及基於歷史數據的資源預估策略這幾個關鍵模塊。
此外，PAI 3.0 還發布了大規模圖神經網絡，緩存機制效率提升 40%，算子速度提升 12 倍，系統端建圖時間從數小時降至 5 分鐘。
人工智能學習平臺已然成為巨頭公司的必爭之地，感興趣的朋友可以深入研究下，還是有很多東西的，後面會分享更多Linux方面內容，感興趣的朋友可以關注下！
閱讀更多 波波說運維 的文章
