动态丨英特尔开源BigDL，可直接在Spark框架下运行深度学习

近日，英特尔开源了基于 Apache Spark 框架的分布式深度学习库 BigDL。通过使用BigDL，用户可以将他们的深度学习应用程序作为标准的 Spark 程序发布（即将基于BigDL的深度学习代码直接嵌入已有的Spark程序中），同时，BigDL还简化了基于Hadoop框架的数据加载过程。

据团队在GitHub平台上的介绍，BigDL具有如下三大特点：

1. 丰富的深度学习支持

BigDL的源代码基于Scala语言实现，同时从Torch框架中汲取了诸多先进的理念。比如像Torch一样，BigDL也为用户实现了一个Tensor类，该类基于英特尔MKL库实现，可以进行各种常见的高阶数学运算。另外，受到 Torch 框架下的神经网络包（这里指 nn 包，neural network package） 的启发，BigDL还提出了Module类的概念，同时还模仿Torch实现了Table类和Criterion类。

AI科技评论注：这里MKL库的全称是“Math Kernel Library”，即英特尔的数学核心函数库，其中包含了诸多常规数学计算的最优实现，包括快速傅里叶变换和矩阵乘法等，这些计算在深度学习领域的模型训练中有着非常广泛的应用。

2. 极高的性能表现

BigDL基于一种同步小批量的随机梯度下降法（Stochastic Gradient Descent，SGD）对模型进行训练，该方法的能够支持单个 Spark 任务的跨平台运行，每个平台的执行器（executor）都可以执行一个多线程引擎并处理其中一小部分的批量数据。

正式由于引入了英特尔MKL和多线程，使得BigDL库在英特尔 Xeon 服务器上的表现要优于Caffe、Torch 或 TensorFlow 等其他的开源框架，甚至达到了主流GPU的运算速度。

3. 强大的扩展能力

BigDL 可以通过利用 Apache Spark 框架、同步的随机梯度下降算法，和 Spark 框架下的 all-reduce 通信进行有效的扩展，以“大数据的规模”执行数据分析任务。外媒报道称，BigDL 可一次支持几十个 Xeon 服务器的扩展。

根据上述特点，团队在GitHub平台上给出了如下三点BigDL最适合的应用场景：

1. 直接在Hadoop/Spark框架下进行大数据分析（即将数据存储在HDFS、HBase、Hive等数据库上）；

2. 在Spark程序中/工作流中加入深度学习功能；

3. 利用现有的 Hadoop/Spark 集群来运行深度学习程序，然后将代码与其他的应用场景进行动态共享，例如ETL（Extract、Transform、Load，即通常所说的数据抽取）、数据仓库（data warehouse）、功能引擎、经典机器学习、图表分析等。

值得一提的是，BigDL提供了一个基于亚马逊AWS EC2服务器实现的完整镜像，并附带诸多可以直接运行的用例：包括使用卷积神经网络实现的文本分类用例、图像分类用例，以及将 Torch/Caffe 中经过预训练的模型加载到 Spark 中进行预测计算的用例等，感兴趣的朋友可以在这里查看：  

https://github.com/intel-analytics/BigDL/wiki/Running-on-EC2

目前，社区讨论中的大多数用户都表示希望 BigDL 的后续版本加入对 Python 的支持，以及开发基于MKL的深度学习扩展包。

BigDL库在GitHub平台上的开源地址如下：  https://github.com/intel-analytics/BigDL  感兴趣的朋友可以在页面下方找到团队给出的各种教程，包括如何在各个操作系统平台上安装和运行BigDL，以及BigDL在谷歌讨论组的地址等。

来源：infoq