如何解决点击率预估？英伟达专家详解HugeCTR训练框架（二） 近年来，随着 GPU 解决方案在深度学习各项任务中的普及，有越来越多的算法和模型训练得到了显著的加速，从而也反过来鼓励着大家进而探索将 GPU 加速应用到新的领域。点击率预估的训练传统上存在着几个困扰着广大开发者的问题：巨大的哈希表（Embedding Table），较少的矩阵计算，大量的数据吞吐。 HugeCTR 是首个全部解决以上问题的开源 GPU 训练框架，与现有 CPU 和混合 CPU / GPU 解决方案相比，它的速度提高了 12 倍至 44 倍。HugeCTR 是一种端到端训练解决方案，其所有计算都在 GPU 上执行，而 CPU 仅用于 I / O。GPU 哈希表支持动态缩放。它利用 MPI 进行多节点训练，以支持任意大的嵌入尺寸。它还还支持混合精度训练，在 Volta GPU 及其后续版本上可以利用 Tensor cores 进一步加速。 在 11 月 19 日的线上分享中，NVIDIA GPU 计算高级专家王泽寰已带来本系列讲座的第一讲，就点击率预估概述、目前的挑战和HugeCTR 介绍进行了分享，详情请点击下方视频，观看第一期内容回顾： 11 月 28日，NVIDIA GPU 计算高级专家王泽寰将来带关于 HugeCTR 的第二讲，通过本次线上分享，您将了解以下内容： HugeCTR简介 GPU嵌入表的实现 流水线设计 本次线上分享详情如下主题：HugeCTR - 端到端点击率预估训练解决方案介绍（二） 日期：2019 年 11 月 28日，星期四 时间：20:00-21:30 演讲嘉宾 王泽寰（Joey Wang） NVIDIA GPU 计算高级专家 2012 年加入英伟达 GPU 专家团队，现任团队 Tech Lead，主要负责企业用户 GPU 计算开发支持工作；近年来主要负责推荐系统和语音相关项目，设计并管理了 HugeCTR 训练框架。「RNNEngine」RNN 推理加速引擎的开发。 点击阅读原文，立即报名。 Accelerating your future NVIDIA GPU 计算专家团队致力于为中国客户提供基于 GPU 系统的最快解决方案，工作内容涉及视频图像处理、语音识别和合成、自然语言处理、推荐系统等各个方面，通过代码优化、模型优化和 Pipeline 优化，提供端到端的解决方案。本团队开源了若干原型项目，帮助用户评估 GPU 可以带来的业务收益，并通过进一步开发集成，利用 GPU 为用户降低成本，提高效率。阅读原文