算法 < 3 线，如何快速进行模型特征的迭代？如何确保良好的预估性能？在线预估框架 Augur 应运而生。经过一段时间的实践，Augur 也有效地满足了算法侧的需求，并成为美团 搜索与 NLP 部通用的解决方案。下面，我们将从解读概念开始，然后再分享一下在 实施过程中我们团队的一些经验和思考。 2. 抽象过程：什么是模型预估 其实，模型预估的逻辑相对简单、清晰。但是如果要整个平台做得好用且高效，这就 2020 技术年货 ● 性能瓶颈：核心层的模型预估的 Size 扩展到数千级别文档的时候，单机已经 难以承载；近百万个特征值的传输开销已经难以承受。 ● 复用困难：模型预估能力已经成为一个通用的需求，单搜索就有几十个场景都 需要该能力；而老逻辑的业务耦合性让复用变得更加困难。 ● 平台缺失：快速的业务迭代下，需要有一个平台可以帮助业务快速地进行模型 和特征的管理，包括但不限于配置、上线、灰度、验证等等。 可惜，系统架构设计中没有“银弹”：虽然系统具有了良好的弹性，但为此我们也付 出了一些代价，我们会在文末进行解释。 4. 预估平台的构建过程 框架思路只能解决“能用”的问题，平台则是为了“通用”与“好用”。一个优秀的 预估平台需要保证高性能，具备较为通用且接口丰富的核心预估框架，以及产品级别 的业务管理系统。为了能够真正地提升预估能力和业务迭代的效率，平台需要回答以 下几个问题： ● 如何解决特征和模型的高效迭代？

祝愿2023年，大家诸事顺遂，健康平安。 序 算法 1 YOLOv6：又快又准的目标检测框架开源啦 1 目标检测开源框架 YOLOv6 全面升级，更快更准的 2.0 版本来啦 13 通用目标检测开源框架 YOLOv6 在美团的量化部署实战 17 7 次 KDD Cup&Kaggle 冠军的经验分享：从多领域优化到 AutoML 框架 37 图神经网络训练框架的实践和探索 66 的部分。 相关论文 [1] RepOptimizer:Re-parameterizing Your Optimizers rather than Architectures 算法 < 17 通用目标检测开源框架 YOLOv6 在 美团的量化部署实战 作者：庆源 李亮 奕铎 张勃 王新 祥祥 1. 背景和难点 YOLOv6 是美团发布的一款开源的面向工业应用的 2D 目标检测模型 [1]，主要特点 （TensorRT 8.4）。更多详细内 容请关注官方出品的技术报告 [7]。 36 > 2022年美团技术年货 表 12 YOLOv6-S V2.0 量化效果 我们希望通过分享本文的实践，进一步推动最新通用目标检测算法的落地。未来，我 们会和业界同行一道，探索更优的量化方案，持续提升量化精度和推理速度，助力降 本增效，深化业务价值。 5. 参考文献 [1] YOLOv6：又快又准的目标检测框架开源啦

做法子域 限界上下文拆分 • 业务用例 • 功能\语义相关性 • 技术应用 • 团队规模 建模子域 构件模型上下 文 模型编辑上下 文 计算子域 报表子域 模型转换子域 做法子域 通用子域 汇总上下文 指标管理上 下文 三维模型转换 上下文 CAD翻模上下 文 模型检查上下 文 平法模型上下 文 截面钢筋模型 上下文 土建计算上下 文 钢筋计算上下 上游模型变化，下游模型联动 发布-订阅机制 架构演进 1 2 3 领域拆分 架构分层 构建领域模型 架构分层 持久化层 领域层 CAD图纸管理 建模UI 通用UI组件 几何算法 通用框架机制 通用算法 CAD/BIM UI 图元绘制 显示层 应用层 CAD识别 BIM模型转换 模型编辑 批量操作 CAD模型 BIM模型 模型数据库 gcad文件 gfc文件 …... …... …... …... …... …... 平法模型 钢筋模型 模型转换 案例1：CAD翻模领域拆分及分层设计 • 隔离功能交互与业务逻辑 • 识别算法独立，引入人工智能算法 持久化层 领域层 CAD图纸管理 CAD翻模UI 显示层 应用层 CAD图层管理 CAD识别命令 CAD模型 CAD模型持久化 CAD识别算法 模型转换 CAD识别数据

趣链科技 版权所有 ©2016-2021 9 趣链科技 版权所有 ©2016-2021 9 趣链科技 版权所有 ©2016-2021 9 区块链价值定位 区块链作为新基建基础设施之一，是大数据、人工智能、云计算、物联网等其他新型技术的黏合剂，各项技 术相互促进，融合发展，共同开创更大价值空间，加快新兴技术商业落地 利用区块链的去中心化、数据 不能篡改的特性，解决制约云 计算发展的“可信、可靠、可 融入大数据采集和共享中，作 为数据源接入大数据分析平台。 强化分布式数据存 储和边缘计算能力， 拓展物联安全边界 和应用范围。 为训练深度学习系统提供可信数据， 优化分析决策的准确性和可信性。 人工智能 区块链 云计算 物联网 大数据 10 趣链科技 版权所有 ©2016-2021 10 趣链科技 版权所有 ©2016-2021 10 趣链科技 版权所有 ©2016-2021 10 区块链组织形态 场 景 基于Go插件的 区块链性能测试工具 25 趣链科技 版权所有 ©2016-2021 25 趣链科技 版权所有 ©2016-2021 25 趣链科技 版权所有 ©2016-2021 25 通用区块链性能测试工具 强⼤⽽全⾯ 区块链性能测试平台 26 趣链科技 版权所有 ©2016-2021 26 趣链科技 版权所有 ©2016-2021 26 趣链科技 版权所有 ©2016-2021

Edge AI • 随着大模型的发展，AI 计算对算力需求大 幅且快速增长 AI应用到越来越多的边缘场景 分布式协同AI 概念 将人工智能相关的部分任务部署到边缘设备，基于边缘设备、边缘服务 器、云服务器，利用分布式乃至分布式协同方式实现人工智能的技术 数据在边缘产生 边侧逐步具备AI能力 分布式协同AI 核心驱动力 分布式协同AI核心驱动力 • 随着边侧算力逐步强化，边缘AI持续演变至分布式协同AI 1. GlobalCoordinator ⚫ 统一边云协同AI任务管理 ⚫ 跨边云协同管理与协同 ⚫ 中心配置管理 2. LocalController ⚫ 特性本地流程控制 ⚫ 本地通用管理: 模型, 数据集等 3. Worker ⚫ 执行训练或推理任务, 训练/推理程序, 基于现有AI框 架开 ⚫ 按需启动, docker容器或function ⚫ 不同特性对应不同的worker组

安富利电子科技 2019年10月20日，深圳 2 Ø Python 语言：易学易读易用、可扩展性、可移植性等。 Ø Python 开发工具：库丰富、效率高、调试方便 Ø Python 的应用： 人工智能、数据分析等 Ø Python 的生态环境：软件平台、硬件平台、方案合作伙伴 等 Ø 用 Python 如何开发嵌入式产品？如何实现 算法硬件加速？ Ø 之前基于python开发的工程师很少接触嵌入式环境， 语言？ Ø 目前Xilinx 工具支持python 的主要应用领域 Python 工程师关心的问题 3 Python 工程师开发嵌入式产品的时候哪些地方可能会遇到性能瓶颈？ Ø 传统的计算平台：基于通用处理器的架构，Intel x86 Ø 新的嵌入式计算平台：MCU，DSP，FPGA，GPU、ASSP等 Ø 嵌入式计算： Ø 嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁剪，适用于应用系统对功能、可靠 信号处理：数据可以并行处理 Ø 主要实现功能： Ø 组合逻辑 -》计数器 -》算法实现 -》SOC 设计 Ø 新一代FPGA器件：高速接口、ARM SOC、多个 IP 硬核、大容量存储器等 Ø 新一代PCIE加速卡：人工智能、金融计算、数据库、高性能计算、视频转码等。 Ø 主要应用： Ø 通信设备：路由器、交换机、5G 设备 Ø 工业市场：工业伺服、控制器、安防相机、机器视觉、超声设备等。 Ø 消费类和广播设备：电视台演播设备、电视墙

安富利电子科技 2019年9月21日， 上海 2 Ø Python 语言：易学易读易用、可扩展性、可移植性等。 Ø Python 开发工具：库丰富、效率高、调试方便 Ø Python 的应用： 人工智能、数据分析等 Ø Python 的生态环境：软件平台、硬件平台、方案合作伙伴等 Ø 用 Python 如何开发嵌入式产品？如何实现 算法硬件加速？ Ø 之前基于python开发的工程师很少接触嵌入式环境， 语言？ Ø 目前Xilinx 工具支持python 的主要应用领域 Python 工程师关心的问题 3 Python 工程师开发嵌入式产品的时候哪些地方可能会遇到性能瓶颈？ Ø 传统的计算平台：基于通用处理器的架构，Intel x86 Ø 新的嵌入式计算平台：MCU，DSP，FPGA，GPU、ASSP等 Ø 嵌入式计算： Ø 嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁剪，适用于应用系统对功能、可靠 信号处理：数据可以并行处理 Ø 主要实现功能： Ø 组合逻辑 -》计数器 -》算法实现 -》SOC 设计 Ø 新一代FPGA器件：高速接口、ARM SOC、多个 IP 硬核、大容量存储器等 Ø 新一代PCIE加速卡：人工智能、金融计算、数据库、高性能计算、视频转码等。 Ø 主要应用： Ø 通信设备：路由器、交换机、5G 设备 Ø 工业市场：工业伺服、控制器、安防相机、机器视觉、超声设备等。 Ø 消费类和广播设备：电视台演播设备、电视墙

安富利电子科技 2019年10月19日，北京 2 ➢ Python 语言：易学易读易用、可扩展性、可移植性等。 ➢ Python 开发工具：库丰富、效率高、调试方便 ➢ Python 的应用： 人工智能、数据分析等 ➢ Python 的生态环境：软件平台、硬件平台、方案合作伙伴等 ➢ 用 Python 如何开发嵌入式产品？如何实现 算法硬件加速？ ➢ 之前基于python开发的工程师很少接触嵌入式环境， 语言？ ➢ 目前Xilinx 工具支持python 的主要应用领域 Python 工程师关心的问题 3 Python 工程师开发嵌入式产品的时候哪些地方可能会遇到性能瓶颈？ ➢ 传统的计算平台：基于通用处理器的架构，Intel x86 ➢ 新的嵌入式计算平台：MCU，DSP，FPGA，GPU、ASSP等 ➢ 嵌入式计算： ➢ 嵌入式系统是以应用为中心，以计算机技术为基础，软硬件可裁剪，适用于应用系统对功能、可靠 信号处理：数据可以并行处理 ➢ 主要实现功能： ➢ 组合逻辑 -》计数器 -》算法实现 -》SOC 设计 ➢ 新一代FPGA器件：高速接口、ARM SOC、多个 IP 硬核、大容量存储器等 ➢ 新一代PCIE加速卡：人工智能、金融计算、数据库、高性能计算、视频转码等。 ➢ 主要应用： ➢ 通信设备：路由器、交换机、5G 设备 ➢ 工业市场：工业伺服、控制器、安防相机、机器视觉、超声设备等。 ➢ 消费类和广播设备：电视台演播设备、电视墙

中进行传输。同时，它也可以将传入的 JSON 数据反序列化为数据对象，便于在后端进行 处理。 视图：DRF 提供了各种视图类，用于处理 API 请求，并返回适当的响应。包括基于 函数的视图和基于类的视图，还有通用视图和视图集等。 路由：DRF 提供了灵活的路由功能，用于将 API 请求映射到相应的视图处理函数上。 认证和权限：DRF 支持各种认证和权限控制方式，可以保护 API 的安全性。 分页和过滤：DRF 在 Yaml 文件中存储且如何通过运行参数化模式的自动化测试用例，文章知识点不是很多，但是 很容易进行掌握，主打的一个简单易懂，希望本篇文章对您有所帮助，感谢您的阅读。 拓展学习 [5] 人工智能深度学习全栈开发工程师 咨询：微信 atstudy-js 备注：AI 20 《51 测试天地》七十四 www.51testing.com requests-mock 的简单介绍 ◆作者：测试安静 拓展学习 [6] 人工智能深度学习全栈开发工程师 咨询：微信 atstudy-js 备注：AI [7] 银行+证券+保险金融行业测试专项技术（完整）学习 https://mp.weixin.qq.com/s/RlNX_q8lrqQbeUfTf9S2_A 43 《51 测试天地》七十四 www.51testing.com 随着科技日新月异的发展，人工智能正逐渐渗透到我们生活的各方各面，从智能语

Outline •美团点评酒旅业务简介 •基于用户画像的召回策略演进 •基于L2R的排序策略优化 •从海量大数据的离线计算到高并发在线服务的推荐引擎架构设计 •推荐在美团点评酒旅的应用实践 人工智能应用 Critical Physical World Critical Digital World Non-Critical Digital World Non-Critical Physical •单机VS分布式 •目标函数：binary:logistic •过拟合VS欠拟合 •样本大小&树的棵数 •样本和特征随机采样 •模型复杂度：max_depth，min_child_weight •通用离线训练工具 •流程抽象化、组件化 •提供公共组件，支持定制组件 效果评估&线上迭代 •离线评估 •AUC •logloss •在线评估 •ABTest：按UUID分流 •线上迭代 Strategy：Baseline • SelectRule：Location-Based • Selector：区域热销POI • Merge：子策略融合 • 调制 • 分级 • 过滤 • 通用过滤策略：黑名单 • 针对某类召回策略：浏览未购买 • Rerank：个性化排序 • Post Rerank 推荐引擎 API 推荐服务 APP 召回 过滤 Rerank Post Rerank