華為云ModelArts與圖引擎聯(lián)手打造，圖深度學(xué)習(xí)強勢落地！

作為人工智能最前沿的技術(shù)之一，圖深度學(xué)習(xí)被公認(rèn)是人工智能認(rèn)識世界實現(xiàn)因果推理的關(guān)鍵，也是深度學(xué)習(xí)未來發(fā)展的方向。但深度學(xué)習(xí)對圖數(shù)據(jù)模型的支持性差一直是眾多研究者難以攻克的難點，因此圖深度學(xué)習(xí)在實際生產(chǎn)中一直難以得到普及。

不過，圖深度學(xué)習(xí)的瓶頸即將被打破。華為云計劃9月推出的一站式AI開發(fā)平臺ModelArts多個關(guān)鍵新特性中，將新增圖深度學(xué)習(xí)功能。ModelArt聯(lián)合圖引擎打造的“圖神經(jīng)網(wǎng)絡(luò)”，讓圖深度學(xué)習(xí)真正落地，加速實現(xiàn)普惠AI。

強大圖引擎助力突破圖深度學(xué)習(xí)瓶頸

盡管圖深度學(xué)習(xí)的前沿性和重要性已受到業(yè)界普遍認(rèn)同，但是在實際落地過程中存在諸多困難：

?已知的圖神經(jīng)網(wǎng)絡(luò)(GNN)框架多從深度學(xué)習(xí)框架衍生圖的數(shù)據(jù)組織，但深度學(xué)習(xí)框架本身對非規(guī)則數(shù)據(jù)考慮欠周，不會提供原生的圖數(shù)據(jù)的支持，存在圖數(shù)據(jù)訪問中數(shù)據(jù)局部性差和對延時敏感等問題。

?某些開源框架中，真正用于訓(xùn)練的計算時間僅占20%~40%，一天之中大量的時間都在等待，并且占用大量的資源數(shù)據(jù)局部采樣、負(fù)樣本采集等IO密集的操作，人力、時間、資金成本耗費巨大，利用率極低;在圖規(guī)模大時尤為如此，嚴(yán)重影響了系統(tǒng)端到端的性能。

想要突破圖深度學(xué)習(xí)的瓶頸，就必須有一個強大的圖分析引擎來彌補深度學(xué)習(xí)的缺陷。

華為云GES圖引擎高性能圖計算平臺，最大支持萬億規(guī)模圖查詢，查詢分析一體化，兼顧圖計算和圖查詢的高并發(fā)、低延時要求;能對接標(biāo)準(zhǔn)的查詢接口和查詢語言;可集成實現(xiàn)計算、查詢、存儲等一體化功能需求。并且擁有豐富的圖分析算法，充分滿足關(guān)系分析、關(guān)系挖掘，路徑規(guī)劃等圖深度學(xué)習(xí)場景需求。

Ewya圖引擎重新審視了圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)訪問模式，以及潛在的端到端性能制約因素，進而創(chuàng)新的設(shè)計了屬性圖數(shù)據(jù)模型上的機器學(xué)習(xí)原生支持，開發(fā)了新型的高性能圖神經(jīng)網(wǎng)絡(luò)(或稱為圖深度學(xué)習(xí))平臺能力，并成功對圖深度學(xué)習(xí)技術(shù)存在的缺陷做出突破。

當(dāng)遭遇百億邊以上規(guī)模的大圖時，華為云圖引擎分布式優(yōu)化Parallel Sliding Window(PSW)的圖計算框架能夠高效加載圖數(shù)據(jù)，并且兼顧圖計算與點查詢效率，使用基于邊集流(edge-set)的塊狀數(shù)據(jù)組織合理的組織數(shù)據(jù);實現(xiàn)秒級多跳查詢。以ModelArts中的高效神經(jīng)網(wǎng)絡(luò)訓(xùn)練算子為基礎(chǔ)，結(jié)合GES既有的高性能圖計算框架平臺能力，構(gòu)建了圖深度學(xué)習(xí)的新框架，將GNN的訓(xùn)練過程高度并行化，提升了系統(tǒng)的總體吞吐量，極大縮短了訓(xùn)練時間。

憑借高性能，豐富功能性算法、圖優(yōu)化算法的加持，Eywa圖引擎使以往難以實現(xiàn)的高難度圖分析成為可能，并把高效的圖計算應(yīng)用在城市工業(yè)生產(chǎn)，管道監(jiān)控，商品推薦，社交推薦，項目分析，企業(yè)洞察，知識圖譜，金融風(fēng)險管控，企業(yè)IT應(yīng)用，關(guān)系挖掘等多項領(lǐng)域并獲得客戶的廣泛認(rèn)可。正因如此，Eywa圖引擎成為華為云實現(xiàn)圖深度學(xué)習(xí)落地的最強支柱。

雙重黑科技加持的的華為云圖深度學(xué)習(xí)

作為ModelArts的關(guān)鍵新特性之一，ModelArts圖深度學(xué)習(xí)的核心是華為云圖神經(jīng)網(wǎng)絡(luò)，底層則是業(yè)界領(lǐng)先的華為云GES圖引擎和ModelArts深度學(xué)習(xí)技術(shù)，可以說是強強聯(lián)合。

華為云圖引擎曾獲得2018年數(shù)博會“新技術(shù)”和“黑科技”兩大獎項。華為云一站式AI開發(fā)平臺ModelArts則奪得2019年數(shù)博會“黑科技”獎和全球智博會產(chǎn)品金獎。

結(jié)合華為云兩大重量級人工智能技術(shù)，經(jīng)歷漫長時間研發(fā)與測試，在2019中國人工智能峰會(CAIS 2019)上，“華為云新型圖神經(jīng)網(wǎng)絡(luò)平臺”斬獲了峰會最高獎項——紫金龍蟠獎。這也標(biāo)志著ModelArts圖深度學(xué)習(xí)服務(wù)的推出已經(jīng)做好了準(zhǔn)備。

ModelArts圖深度學(xué)習(xí)典型應(yīng)用場景

華為云圖神經(jīng)網(wǎng)絡(luò)搭配高效神經(jīng)網(wǎng)絡(luò)訓(xùn)練算子構(gòu)建了ModelArts圖深度學(xué)習(xí)新框架，充分解決圖深度學(xué)習(xí)計算性能低，學(xué)習(xí)耗時長，算法場景少的難題，實現(xiàn)一體化的圖神經(jīng)網(wǎng)絡(luò)處理、大規(guī)模圖分析、圖數(shù)據(jù)存儲管理和企業(yè)級圖神經(jīng)網(wǎng)絡(luò)分析的能力。

以圖深度學(xué)習(xí)典型應(yīng)用場景——交通業(yè)務(wù)為例，路網(wǎng)信息可以抽象為圖結(jié)構(gòu)。將圖結(jié)構(gòu)狀態(tài)下的路網(wǎng)信息進行建模，在交通模擬的基礎(chǔ)上，ModelArts圖深度學(xué)習(xí)能提供關(guān)鍵道路、擁堵預(yù)測、因果分析、區(qū)域劃分等分析任務(wù)的支持。

此外，利用圖深度學(xué)習(xí)GCN建模道路上的多維屬性，能有效預(yù)測了道路擁堵情況，準(zhǔn)確率達93%，算法效率比開源框架提升8~10倍。

圖網(wǎng)絡(luò)可從多源數(shù)據(jù)中構(gòu)建用戶關(guān)系圖，采用圖深度學(xué)習(xí)等技術(shù)挖掘犯罪團伙、人與事件/物品關(guān)系，重點人員關(guān)系變化，如工地安全帽檢測和識別： ModelArts圖深度學(xué)習(xí)支持多樣性數(shù)據(jù)輸入，可以進行各類圖像之間的關(guān)系表達;大幅度減小傳統(tǒng)檢測中繁瑣的對比操作，降低人工成本?？焖贉?zhǔn)確捕捉視頻/圖像內(nèi)容關(guān)聯(lián)性，提供高效的安全監(jiān)測服務(wù)。大數(shù)據(jù)規(guī)模下檢測速度更快;可以實現(xiàn)非監(jiān)督/弱監(jiān)督/小樣本下的異常檢測，有效解決監(jiān)督信息獲取困境，提高生產(chǎn)、運營安全等級。

金融業(yè)務(wù)場景下，ModelArts圖深度學(xué)習(xí)可以從用戶資金交易、關(guān)系網(wǎng)絡(luò)、媒介關(guān)系中挖掘欺詐、洗錢、循環(huán)轉(zhuǎn)賬、信用卡套現(xiàn)等行為。通過圖深度學(xué)習(xí)算法，結(jié)合圖的可視化手段，幫助分析網(wǎng)絡(luò)中的異常交易行為，相比CNN算法精度提升5%以上。

9月18日-20日，一年一度的華為全聯(lián)接大會(HUAWEI CONNECT 2019)將在上海世博中心世博展覽館隆重開幕。本次華為全聯(lián)接大會以“共創(chuàng)智能新高度”為主題，將發(fā)布云和AI的最新產(chǎn)品與解決方案，分享如何應(yīng)用云和AI的技術(shù)，推進數(shù)字化轉(zhuǎn)型的最新實踐。此次大會上，ModelArts圖深度學(xué)習(xí)也將作為重頭戲為大家展示。

想要搶先了解更多ModelArts圖深度學(xué)習(xí)更多功能和實踐，請關(guān)注第四屆華為全聯(lián)接大會。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。