需要下载报告的朋友，可以扫下方二维码付费成为会员，6000+份完整版资料，随意下载，不受限制，资料涵盖AI、机器人、元宇宙、数字人、智能硬件、智能制造等。 星球针对各行业做了合集系列，合集系列保持更新。 （客服微信：kjxp002）

（公众号资源有限，仅能展示部分少数报告，加入星球获取海量精选）

就是你需要什么，我们就分享什么，群主1V1贴心服务！

今天分享的是 大规模系列 深度研究报告：《 从推荐模型的基础特点看大规模推荐类深度学习系统的设计 》。

（报告出品方：腾讯）

报告共计：21页

基于深度学习模型的推荐流程，场景与目标

推荐场景的重要性

• PCG的图文，视频推荐 (腾讯视频，腾讯新闻，QQ看点，浏览器，微视， QQ小世界等)。

• 腾讯系内容推荐: 阅文集团，QQ音乐。

• Facebook推荐场景推理成本占AI推理成本的>72%[ISCA2020 RecNMP]。

千亿级推荐模型应用

• 千亿级特征 (TB级) 的模型的在线/离线训练，在线推理服务和持续上线。

• 针对推荐特点的深度优化，达到业界先进水平。

异步训练流水线和多级存储: 提升性能，降低内存成本

问题: Learner线程中参数拉取和参数更新对性能影响大。内存成为主要资源瓶颈。由于需要等待全部参数就绪，Parameter Server难以利用速度慢的存储介质。

效果: 在不影响训练效果的情况下，降低参数准备与更新耗时，提高训练速度。训练耗时下降超50%。异步storage线程，支持基于冷热数据的多级存储。内存消耗下降30%-70%。