共计 1240 个字符，预计需要花费 4 分钟才能阅读完成。
公司简介
vivo 是专一于智能手机畛域的国际化品牌，vivo 谋求乐趣、充满活力、业余音质、极致影像、愉悦体验的智能产品，并将敢于谋求极致、继续发明惊喜作为 vivo 的动摇谋求。2014 年 vivo 品牌的国际化之路全面开启，除中国大陆市场外，vivo 进驻的海内市场蕴含印度、泰国、缅甸、马来西亚、印度尼西亚、越南和菲律宾。
业务痛点
- GPU 利用率不高，资源节约显著：VIVO 客户的业务场景中应用的是大规模多模态模型。对该类模型进行分布式训练时，通常应用单步更新的训练模式，即每一次单步训练之后都会进行一次梯度通信，这样会导致短时间内呈现大量的通信申请，造成很大的通信压力。同时，该模型的参数量较大，每次梯度通信的通信量与模型参数量成正比，这进一步的减少了通信压力。另外，该模型的训练过程中也没有对计算和通信进行工夫上的重叠，这也显著的导致了训练过程中的通信时长的减少。整个分布式训练过程中大量的工夫被梯度通信占据，GPU 的计算资源在大多数工夫处于期待状态，无奈完满发挥作用。
- 训练工夫长，业务模型迭代周期太长：客户业务模型的更新频率很高，每次模型迭代期间不仅要进行模型的分布式训练，还要进行测试，上线等流程。在这个迭代周期内，分布式训练占据了大量的工夫，导致其它流程不得不精简以保障迭代周期，这也使得客户的业务团队承当不小的压力。
解决方案
对大规模多模态模型进行分布式训练时，因为通信压力微小，相比于单机训练，多机训练取得的性能增益并不多，在双机场景下甚至察看到性能的负增长。于是，阿里云的神龙 AI 减速引擎 AIACC 团队，针对 VIVO 的场景，在底层针对通信、计算、时延和带宽等做了深度优化。因为客户训练集群的网络情况有可能发生变化，AIACC 团队采纳了自适应优化策略，可能实时的依据网络情况对通信优化策略进行调整，从而大大晋升了 GPU 的利用率。
在多种简单的网络条件下，将大规模多模态模型的训练性能晋升了 30%-70%。AIACC 团队帮助 VIVO 客户大大的缩短了的模型训练工夫，减速了模型迭代，助力业务模型疾速上线。
业务价值
- 在多种简单的网络条件下，将大规模多模态模型的训练性能晋升了 30%～70%。
- 缩短了客户业务模型的迭代周期，为客户的业务团队加重了压力。
相干产品
神龙 AI 减速引擎
神龙 AI 减速引擎是 AIACC 业界首个对立减速 Tensorflow、MXNet、Caffe、PyTorch 等支流深度学习框架的减速引擎，拿下斯坦福深度学习榜单 Dawnbench 图像识别四个世界第一。
更多对于神龙 AI 减速引擎的介绍，参见神龙 AI 减速引擎帮忙文档。
GPU 云服务器
GPU 云服务器（GPU Cloud Computing，GPU）是提供 GPU 算力的弹性计算服务，具备超强的计算能力，服务于深度学习、科学计算、图形可视化、视频解决多种利用场景。阿里云作为亚洲第一的云服务提供商，随时为您提供触手可得的算力，无效缓解计算压力，晋升您的业务效率，助您进步企业竞争力。
更多对于 GPU 服务器的介绍，参见 GPU 服务器产品详情页。