女生从此更爱这条街 ——浪潮帮蘑菇街打造“神技能”

蘑菇街特有的分析推荐系统，能够精准、定制化地推送适合用户的商品，极大提升用户体验。而在此背后，浪潮NF5588M3 GPU服务器通过CPU+GPU协同计算，提供数十倍的计算能力提升，支撑蘑菇街稳定高效的商品推荐系统。

追逐时尚是女生间永恒的话题，但是“选择困难症”却常常困扰着她们。蘑菇街实现了自动推送用户关注风格的产品，当用户看到一件中意的衣服时，将衣服照片上传至蘑菇街，就能找到适合自己的同款产品。这让女生的购物选择更加简单，但是简单用户体验的背后，有着不简单的应用技术。“不解风情”的攻城狮、程序猿们是如何利用高大上的技术讨得无数女生欢心呢？言归正传，下面开启科普模式！

深度学习加速图像识别和处理

不管是通过图片上传寻找目标图片，还是协同过滤、内容推荐算法等，都需要强大的高性能计算集群。如何将计算所耗费时间缩短，如何占用的更少服务器，是蘑菇街面临的首要挑战。

深度学习（Deep Learning）是近年来高性能计算的热点应用，在图像识别等领域有着尤其突出的优势，蘑菇街采用大数据+深度神经网络模型相结合，实现图像加速识别和分析。

神经网络模型

困扰——超时的训练时间

但是，通用服务器执行神经网络模型的效率较低，举个例子：在双路的服务器环境下，如果对于某一个类目的7.4GB规模的数据12线程需要超过40小时的训练时间。与预期整个流程（包括训练和其他部分的处理时间）在24小时内处理完的目标有很大差距。

因此蘑菇街希望能够运用更高效的计算集群来解决这些问题。鉴于推荐算法和图片搜索中存在大量的浮点计算，那么就需要有一个具有高效并行计算能力的服务器集群。相比较于仅能有很少线程同时工作的多核CPU而言，GPU的特性是可以同时执行数千个线程，这将令蘑菇街的系统能处理更多的信息流。

商品推荐算法架构

CPU+GPU加速深度学习

蘑菇街选择浪潮NF5588M3作为其商品推荐系统的主流机型。NF5588M3改变了传统单一的计算单元，采用Intel最新处理器核心与NVIDIA Tesla/Kepler加速计算技术的协同，让CPU和GPU各司其职，CPU主要承担更加擅长的逻辑选择、判断跳转和IO通信方面的职责，而GPU则专职计算密集型、高度并行的计算工作，使得计算资源合理的分配，计算性能达到从几倍到几百倍的增长。

浪潮NF5588M3服务器

据蘑菇街实际测试数据显示，在相同计算能力下，浪潮高性能服务器NF5588M3节点提供的精度是传统两路服务器的2倍，GPU节点的性能功耗成本是纯CPU节点的2倍。有效的降低了直接采购成本、机房空间和设备能耗。

浪潮NF5588M3服务器的产品参数

大数据+大规模计算能力+复杂模型+高效算法让深度学习真正成为可被应用的技术。浪潮拥有从万亿次到千万亿次的超级计算机产品研发、系统建设、运维服务能力，以及完备的软硬件产品线。目前，浪潮为百度、阿里、奇虎等互联网企业的人脸识别、智能搜索业务提供大规模计算支撑平台。