全棧機器學習開源模型

Angel 3.0功能特性涵蓋了機器學習的各個階段：特徵工程，模型訓練，超引數調節和模型服務。

其中，特徵工程模組基於Spark開發，增強了Spark的特徵選擇功能，同時使用特徵交叉和重索引，實現了自動特徵生成。

這些元件可以無縫地整合進Spark的流水線。

為了讓整個系統更加的智慧，Angel 3.0還新增了超引數調節的功能，目前支援3種演算法：隨機搜尋，網格搜尋和貝葉斯最佳化。

在模型服務方面，Angel 3.0提供了一個跨平臺的元件Angel Serving，可以為其他平臺提供模型服務。

在生態方面，Angel也嘗試將引數伺服器（PS）能力賦能給其他的計算平臺，目前已經完成了Spark On Angel和PyTorch On Angel兩個平臺的建設。

這兩個平臺各有優勢和側重， Spark On Angel使用的是Angel內建的演算法核心，主要負責常見推薦領域的機器學習演算法和基礎圖演算法。

PyTorch On Angel使用PyTorch作為計算核心，主要負責推薦領域深度學習演算法和圖深度學習演算法。

騰訊開源誠意之作

Angel是基於引數伺服器架構的分散式計算平臺，致力於解決稀疏資料大模型訓練以及大規模圖資料分析問題，它由騰訊與北京大學聯合研發，兼顧了工業界的高可用性和學術界的創新性。

自2016年年初在騰訊內部上線以來，Angel 已應用於微信支付、QQ、騰訊影片、騰訊社交廣告及使用者畫像挖掘等業務。

2017 年 6 月， Angel在 Github 上低調開源。

2018年9月，Angel 2.0版本釋出，支援千億級模型維度訓練，同時演算法庫也更加豐富，首次引入了深度學習演算法和圖演算法。

同年，Angel加入Linux旗下深度學習基金會（現已更名為 LF AI 基金會(LF AI Foundation)），結合基金會成熟的運營，全面升級的Angel 2.0與國際開源社群繼續深入互動，致力於讓機器學習技術更易於上手研究及應用落地的目標。

截至目前，Angel在GitHub上Star數已超過4200，Fork數超過1000。Angel專案目前總共有38位程式碼貢獻者，其他包括8位committer，他們總共提交了超過2000個commit。

而騰訊開源在GitHub上整體的專案數也已突破80個，涵蓋AI、雲端計算、安全等多個領域，累計獲得了超過23萬Star。

從1.0到3.0，Angel從一個單一的模型訓練平臺發展到涵蓋機器學習各個流程，包含自己生態的通用計算平臺，程式碼量也超過了50萬行。

為了後續維護和使用的方便，Angel將拆分成8個子專案，統一放在Angel-ML目錄下：

angel，PyTorch On Angel，sona（Spark On Angel），serving，automl，mlcore，math2和format。

— 完 —