唯品会深度学习在 APP 的实践和测试应用

点击“开发者技术前线”，选择“星标🔝”

13：21 在看|星标|留言,  真爱

本文来自携程技术沙龙上《深度学习在唯品会的实践和测试应用》，已授权发布。

我们在做的事

境外美妆

本次演讲内容：

人脸检测

传统的人脸检测

基于深度学习的人脸检测

识别效率高

当网络的构造设计完成之后，深度神经的网络能够自发去分类、提取需要使用的特征，这就大大节省了人工获取特点以及设计分类装置的不必要程序。深度神经网络的学习方式使得识别器不会进入到常见的多层次网络，避免局部选择。并且深度神经网络在训练时不需要监督，同时也不需要标签，节省了标本取样的时间。在表达复杂函数时，深度神经网络由于不需要过多的神经元，因此，识别效率得到了极大提升。

识别效果好

深度模型通过逐层抽象的方式获得人脸的高层特征，具备更强的表达能力，能够充分发挥大数据的优势，准确率比传统方式有着质的飞跃。当调整神经网络权值时，权值就会自动接近最优点，最终获取一个完美的数据。

Tensorflow

Why Tensorflow?

可用性

灵活性

效率

• 功能强大的可视化组件TensorBoard

• 相比其他的深度学习框架，文档最全，资源最多

• 部署容易

• 性能、SDK大小、模型大小都满足移动端App的需求

	Tensorflow	Caffe	Keras	CNTK	mxnet
Github star	96k	23k	28k	14k	13k
Github fork	61k	14k	10k	3k	5k
Owner	Google	BVLC	fchollet	Microsoft	DMLC
Language	Python/C++/...	C++/Python	Python	C++	Python/C++/...
iOS Support	YES	YES	YES	NO	YES
Android Support	YES	YES	YES	NO	YES
Update	Very High	Very High	High	High	Middle

移动端部署

• Tensorflow 的部署

• 从Tensorflow到Tensorflow lite

• 可替换组件化的部署

• 模型/SDK大小的优化

性能优化

人脸检测

AR绘制

系统占用

总体时间消耗

测试

功能测试

普通常规功能测试，不再介绍

性能测试

数据对比如下

自动化测试

为什么要做自动化测试？

• 避免人工测试产生的错误

• 记录每一次测试的原始数据，确保测试结果可以重现，以便追踪问题

• 提供更多的原始数据进行分析为下一步优化提供更多参考

• 效率提升

测试工具

Farseer

修改

Template Loader 动态参数更新

Macarons

自动化流程测试

性能参数分析

对比历史

异常测试结论提醒

张凯通 |唯品会研究院资深开发工程师，

负责深度学习在移动端的应用，以及自动化测试等工作。曾参与"唯品会"、"学霸君"、"imo云办公室"等多款千万级用户的手机应用开发和架构设。

END