来源：知乎专栏 -- 无痛的机器学习系统

https://zhuanlan.zhihu.com/p/65242220

已获作者授权，请勿二次转载

作为一个菜鸡小透明，贾扬清大神的点赞给了我无穷的动力。站在特别普通人的角度，谈一下如何入门机器学习系统，算是对过去一年的踩坑做一个总结。

总的来看，系统就是为了落地，层出不穷、琳琅满目的机器学习（基本就是深度学习）模型逐步走向实用化，会遇到各种各样的问题，去解决这些问题，机器学习系统应运而生。

过去小一年，在GitHub总结了一个相关资源的list：

https://github.com/HuaizhengZhang/Awesome-System-for-Machine-Learning

在总结的过程中，自己重新架构了这块的知识体系（基本上站在学术圈角度，工业大佬想法肯定更落地）。首先，机器学习分为若干阶段：数据收集和标定，处理数据，特征工程，编写模型，训练模型，模型管理，模型部署，其实每个阶段都对应着一种或多种机器学习系统，另外还有一些边缘计算AI系统，强化学习系统，AI视频系统，接下来也都分别说明。最后会站在菜鸡角度阐述一些问题的看法（何种语言？如何开始？...)

数据收集和标定 - Label System

这方面的突出工作是

polygonrnn++(http://www.cs.toronto.edu/~amlan/demo/)这种，系统、system这个概念太广，精确点儿这类工作可以称作tool，深度学习对数据的需求无穷无尽，这样的工作再多也不嫌多。

处理数据 - Data Processing System

超高速处理图像数据的Halide编译器（https://halide-lang.org/）是这一块的佼佼者，在很多很多相关项目中都能看到他的影子。个人另一个比较喜欢的工作是weld（https://www.weld.rs/），使用rust编写，抽象整个data science过程中的各种数据流，高端大气上档次。其它例如modin(https://github.com/modin-project/modin)，改一行代码就能提高pandas的运行效率这样的项目很多，不一一列举了。

特征工程 - Auto-Feature-Engineering System

深度学习的端到端让这块的需求一下子不如之前那么多，很多AutoML系统都提供了相关接口，例如

h2o(https://github.com/h2oai/h2o-tutorials/tree/master/best-practices/feature-engineering)，感觉不太火，不进一步列举了。

编写模型 - Framework

这个是概念上最容易懂，做起来难到爆，非大神无法进入的领域，caffe（贾扬清），Tensorflow（Jeff Dean），PyTorch，MxNet（李沐，陈天奇），xgboost（陈天奇），无论是推动，还是创建，有了他们，生活更简单，看看libsvm的引用，编写user-friendly的工具是多么的促进相关领域的发展。

训练模型-Distributed Training System

这一块和分布式系统息息相关，这一年给我的感觉是这类系统的论文数量比另外的总和都多。我个人大体将这块分成了三部分。

第一部分就是分布式训练系统，类似于

Parameter Server

(https://www.cs.cmu.edu/~muli/file/parameter_server_osdi14.pdf)，强无敌，还有我师兄最近的work，一分半钟在imagenet上训练

alexnet(https://arxiv.org/pdf/1902.06855.pdf)，快就完事了。

第二部分是更好的并行机制

大神Jia Zhihao的metaflow

(https://arxiv.org/pdf/1807.05358.pdf)可以瞻仰，提供了四种并行机制，然后用扎实的代码能力进行了实现

第三部分是如何在集群上更好的调度训练任务，让整体的训练时间缩短，去年听了HKU Wuchuan老师来我们组的talk，很精彩。这篇Optimus

(https://i.cs.hku.hk/~cwu/papers/yhpeng-eurosys18.pdf)也被伯克利的课程收录了，相关的工作也是越来越多。

管理模型 - Model DB

深度学习的管理和可复现性简直头疼，Spark大神公司的MLflow（https://www.mlflow.org）帮你管理整个模型的周期；MIT的

modelDB(https://mitdbg.github.io/modeldb/papers/hilda_modeldb.pdf)也能帮你进行模型的版本控制。

模型部署 - Model Deployment System

这块系统关注模型的预测（inference）阶段，我大体分成了三个部分。

第一部分是model serving system，这里面的佼佼者是Tensorflow-Serving，学术圈里比较出名的是

Clipper(https://www.usenix.org/system/files/conference/nsdi17/nsdi17-crankshaw.pdf)，但是我们团队的试用体验不是很好。

第二部分是inference optimization，提升硬件的utilization，更好的model placement来加快模型运行，和network量化是完全不同的路子，这篇Dynamic Space-Time Scheduling for GPU Inference

(http://learningsys.org/nips18/assets/papers/102CameraReadySubmissionGPU_Virtualization%20(8).pdf)

可以一看

第三部分是编译器，不提了，知乎上相关讨论挺多的，TVM（又又又是陈天奇）独领风骚，各大公司也都有相关的project了。

走马观花的挑了一些文章，可以说系统支持了机器学习的全生命周期。再来谈一下看到的比较多的问题。

如何开始？

根据自己的知识体系，选择一个最接近的，正反馈稍微快一点的子领域。选择系统就意味着无法像深度学习的小伙伴一样一年3篇+，随便打开国内外系统大神的主页，两年做一个系统说不定还发不了好会都是很正常的现象，99%的代码跟论文无关，但是必须得做，不断擦干眼泪，不断上，所以选择自己入门快的领域，能让沮丧的时间短一点。

选定了就阅读优秀的相关源代码，这个过程感觉进步特别大，系统更注重现实意义，只要有价值，咬定不放松。

选择啥语言？

C++肯定是首选，效率是系统的要务。C++不太行咋办，我看到

Rust(https://www.weld.rs/),

Go(https://github.com/kubeflow/pipelines),

Jave(https://github.com/awslabs/mxnet-model-server)

都有相关的系统实现，系统还是要发现落地的痛点，

纯Python（https://github.com/mindsdb/mindsdb）也有，想点子，干就完事了。

未完待续，下篇文章补充一些其它应用系统，例如视频分析系统（视频数据大，应用ML model如何优化），强化学习系统（不同的范式，不同的架构）等等。

希望大家多提意见，共同进步。