[[文件:1.png|1]][[文件:11.png|11]]
2018年9月11日
今天上午，我们首先在playground.tensorflow.org网站上体验了玩神经网络的“游戏”。通过调整不同的基本函数和神经网络层数、每层的神经元数，神经网络进行学习的结果各有不同。如下图所示。
[[文件:屏幕快照_2018-09-11_下午8.29.09.png|playground]]
接着，我们分别对几个将TensorFlow深度学习应用于业务开发的企业进行了调研，深入体会深度学习在现实中的广泛应用。我选择的公司是京东，调研结果如下。
调研：京东应用TensorFlow创建人工智能平台——登月机器学习平台
京东的人工智能技术已经走在中国前端。不论是仓储物流、电商金融、亦或其他领域，京东在人工智能领域的进展都频繁传出。2017年8月，京东建成全球首个无人分拣中心，紧接着又和英伟达合作发力无人机配送。京东人工智能的技术优势，令外行惊叹，令业内向往。
无人机风口刚过去，无人仓的概念还没淡出视线，京东又放了个大招——发布登月机器学习平台，并在京东云上线，正式对外提供人工智能服务。登月机器学习平台的上线代表着京东人工智能技术从应用级服务到基础算法的全面对外开放，实践着京东RaaS（零售即服务）的发展策略。
TensorFlow不仅仅是一个机器学习库，它提供了多元的生态系统。其中TensorFlow-serving下的Inference框架，能够让用户以最快的方式将自己训练的模型部署上线，并对外提供服务；而TensorFlow-models可以说集成了近年来许多算法领域的先进成果；TensorFlow-on-k8s则开启了深度学习领域的容器化时代……集众多优点与一身的TensorFlow通过京东登月平台为京东云、京东商城、京东金融提供了便捷、高效、可靠的AI服务。一直活跃在开源领域的京东，也基于TensorFlow开发出了Tensorpipe、AI基础异构调度平台等产品，为行业内不断输出着自己的技术成果，推动TensorFlow在国内的应用，降低人工智能应用的门槛。在硬件层面，TensorFlow能够支持大量高速硬件，在京东内部，除了使用大规模的CPU集群，还为TensorFlow深度学习提供了大量的GPU卡、FPGA、高速网络Infiniband等资源。TensorFlow的in-graph和between-graph的不同分布式训练模式，为京东的深度学习大模型提供了优秀的解决方案，通过机器内部in-graph使用多块GPU，机器之间使用between-graph的训练方式，为医学图像预测分析、AR扫等项目实现了非常可观的效率提升。当然在这些丰富的技术应用背后，京东所推动的第四次零售革命，通过零售即服务的模式，在不断地将这些技术成果对外赋能，使更多的企业得以通过京东的平台，来获得人工智能领域的创新技术，共享人工智能带来的红利。graph的训练方式，为医学图像预测分析、AR扫等项目实现了非常可观的效率提升。
登月机器学习平台依托强大的分布式数据处理能力，内置丰富的算法模型，满足从原始数据到模型产出的一站式服务。同时通过拖拽组件可视化建模的方式，让用户在登月机器学习平台可快速打造智能业务。同时，京东登月机器学习平台，具备易用性、高效性、组件化和一站式等特点。将复杂的机器学习算法集成为算法组件，通过可视化拖拽组件进行建模实验，随意组合，只需简单参数调整即可构建模型，极大降低了使用门槛。在性能上，除了高性能的CPU之外，还集成了GPU、FPGA、HPC等硬件资源进行并行加速；结合京东自身在机器学习与大数据计算能力上的多年实践与优化，面对各种需求均能提供高效的配置资源。登月平台将数据导入、数据预处理、模型训练、模型评估、模型发布等功能集于一体，提供一站式全方位的建模流程，节省用户建模时间。