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