层出不穷的机器学习框架到底在“卷”什么？

如今，机器学习在图像识别、多媒体创作、自然语言处理、搜索广告推荐等领域都有着广泛的应用和不俗的表现。面对日益繁杂的应用场景，机器学习框架有助于节省编写大量底层代码的精力，也能省去部署和适配环境的烦恼，更聚焦业务场景和模型设计本身，因而被越来越多的行业接受。

全世界最为流行的深度学习框架有Tensorflow、PyTorch、Caffe、Theano、MXNet、Torch、PaddlePaddle等，这些开源框架均表现出色，各有各的优势和特色。随着深度学习技术的普及，各家框架的成熟化，深度学习技术的门槛会越来越低。

但对于像小红书这样业务发展迅速的产品而言，双列场景和以UGC内容分发为主的特点，对系统的高时效性和稀疏内容表达提出了更高的要求，数据的处理挑战与日俱增。因此，开发符合自身业务需求的机器学习框架往往是更好的选择。

与此同时，在机器学习框架的实际应用中也诞生了许多共性的问题：

• 掌握一个深度学习框架，开发者需要做哪些准备？

• 深度学习框架能“包治百病”吗？是否适用于所有应用场景需求？

• 如何充分利用CPU、GPU的硬件能力提升机器学习效果？

• 工业界的深度学习框架会有什么不同？

就在10月19日19：00，小红书技术REDtech邀请到了国内的深度学习框架初创公司One Flow的创始人袁进辉，与小红书智能分发部负责人瑞格带来新一期【REDtech 来了】技术直播。他们将围绕机器学习框架在工业界实际应用的挑战与前景展开精彩分享。