首页 热门物流资讯 深度学习在阿里菜鸟网络物流范畴的使用

深度学习在阿里菜鸟网络物流范畴的使用

以下内容精选自 2017全球机器学习技能大会系列直播: 《 深度学习在阿里菜鸟网络物流范畴的运用 》 胡浩源 / 阿里巴巴菜鸟网络高档算法专家 阿里巴巴菜鸟网络高档算法专家,研讨深…

以下内容精选自 2017全球机器学习技能大会系列直播:

深度学习在阿里菜鸟网络物流范畴的运用





胡浩源 / 阿里巴巴菜鸟网络高档算法专家

阿里巴巴菜鸟网络高档算法专家,研讨深度强化学习在仓配供应链中的运用,交融⼤规划并行分布式核算、遗传算法、超启发式结构,以及传统运筹优化算法,处理比如车辆途径规划、切箱等问题; 曾任职阿里天猫引荐算法团队,完结的“会场个性化”和“我的双十一”作为最早的双十一个性化产品,在2015年完结20亿成交额,团队获得CEO特别贡献奖。

胡浩源教师也是 2017全球机器学习技能大会 讲师之一,将在6月29-30日,与来自 Google, Facebook, Microsoft, Tesla, Uber, Netflix, Snapchat, 腾讯, 阿里.....…40

【文末福利】↓




直播采访回忆


1. 


深度学习的运用十分广泛,咱们 2017全球机器学习技能大会 听众中有许多从事不同职业的朋友,可否给咱们介绍一下深度学习是怎样运用于菜鸟网络的物流事务中的?特别是详细的场景,以及处理的问题?








在菜鸟网络的一些详细场景中,咱们进行了一些测验,其间十分经典的便是切箱问题,它指的是给定一系列巨细的候选箱子,当包含许多产品的一个订单来的时分,怎样挑选放的次第朝向方位,运用的箱子数量最少,表面积最小,然后降低本钱。

这一块从传统上来讲,如果是运筹优化范畴身世,就会了解有许多启发式的战略能够处理这个问题。咱们现在测验的便是用深度学习的结构来表达其状况自身,后边再带上强化学习的方法把这个启发式的战略学出来,乃至还能学得更好。


那这便是一个十分经典的带时刻窗的一个车辆途径规划问题。然后传统上来讲都是用一些混合整数规划的一些方法,或许是一些元启发式、超启发式,或许并行的方法去处理这个问题,这也是咱们现在在研讨的内容。


  • 怎样给原始的 VRP 问题做 Embedding

  • 其次怎样挑选比较适宜的一个网络结构把它表达出来;

  • 核算梯度的环节,咱们怎样去挑选合理的强化学习战略,让整个优化方向朝咱们期望的方向走。

在优化问题里边比较特别的一点便是监督学习的一套或许不太适用,
是由于大部分都是NP-Hard 问题, 作为 target 的 Optimal 的解很难获得。

然后菜鸟还在一些供应链上的,例如像销量猜测。比如说像一些详细配送站点的一些单量猜测上用上了一些深度学习的猜测的一些技能。这些技能,现在的测验都在逐渐挨近,乃至超过了传统的一些启发式的成果,协助咱们获得了十分好的一些事务作用。


2.

 

在您平常的工作中,首要运用哪些深度学习结构(比如 TensorFlow、 Caffe、Torch、MXNet...)?是否能简略点评一下它们?

由于咱们要考虑到公司整个的一个选型,所以首要用的是 TensorFlow 和 Caffe。挑选 TensorFlow 的优点便是它的开发布景比较好,然后别的它的各方面的兼容性和那个开发功率比较高。公司用 Caffe 的人也是比较多的,可是开发插件需求 C++,所以或许难度会高一点。

深度学习的结构在选型上我没有太多的纠结,由于现在看起来都满意咱们的需求,仅仅由于咱们需求许多状况下去更改它的底层的源代码,这种状况下,咱们现在是挑选 TensorFlow 作为咱们深度学习的结构。


3. 



我以为分几个方面,榜首,身世布景仍是比较重要的。由于我知道现在许多算法从业人员,或许他首要的资源或许阅历是花费在怎样调用一些算法包去处理事务问题上,所以就呈现许多特征工程师或许调参工程师。

trick
才是一个公司比较重要的组成部分。

我个人是在做了几年机器学习之后,开端做结合运筹优化和机器学习的范畴。后来发现,许多自己之前觉得比较了解的工作,再与运筹优化的一些问题合在一同之后,会有一个更深化的了解。特别是现在的深度强化学习,曾经的机器学习是去学一个函数或许一个函数集。但有了深度学习之后,它学习的是表达自身,比如说有些 
embeding 的方法
,或许特征也学出来了。尽管作用比不上长时刻调的经历特征,可是跟平均水平比也差不多。
在这种状况下,去深化的了解一些深度学习和强化学习的原理,会起到很好的作用。咱们都知道,深度学习的强化学习里边有
许多trick。包
括网络结构,为什么是这个姿态,什么样的网络结构合适处理什么样的问题。

所以我的主张是,如果是科班身世的同学,理论根底比较好的,有条件在公司拿能够实践运用的项目练练手,由于这样你也会很有成就感,看到自己做的工作真的产生了价值,产生了赢利或许为公司节省了本钱。
一些非科班身世的同学,但实战经历十分丰富的,那是不是考虑抽必定的时刻去把一些比较根底的常识短板补上。

我觉得最有用的便是跟一些你觉得十分强的人在一同,去向他们学习和沟通,这个生长速度比自己单纯看书或许看视频要高得多,就像你找一些水平十分高,能跟你一同去组队打比赛,对自己进步是十分有优点的。
现在阿里集团供给了一个渠道,大约所有人都会有一些大数据方面的比赛,也欢迎咱们参与。
特别是有些状况下,公司内部或许外部进行作用PK的时分,咱们或许都比较聪明,特征也都想的差不多,这个时分来自于本来理论根底上的一些差异就会渐渐出现出来。


4. 


您一起也是本次 2017全球机器学习技能大会 讲演嘉宾之一,可否给咱们提早泄漏一下您本次大会的讲演内容?

这一次讲演首要是围绕着菜鸟网络的事务打开,包含咱们现在正在做的,深度强化学习怎样用在几个比较传统的运筹优化范畴。

现在咱们正在测验使用一个 RNN 的网络结构去表达问题自身,背后用一些强化学习的方法
去求解梯度,看能不能把咱们之前的一些启发式的战略给学习出来。
这里边还包含了关于怎样去挑选网络结构?怎样把一个问题进行必定程度上的转化,能够把它一边订到一个可解的网络结构,以及在许多运筹优化范畴怎样去取舍监督学习和强化学习上的一些考虑。

还有咱们现在作为菜鸟物流正在做的一些仓内机

,在咱们一些销量或许单量上的一些猜测,跟传统的监督学习比较的好坏和它或许适用的场景的一些剖析。
最终也会概览性地介绍一下菜鸟网络现在正在从事的工作以及人工智能部未来的一些规划。



互动沟通问答

(精选部分问题)



这归于 dynamic VRP问题, 咱们是使用流式核算的方法实时求解的,现在遇到比较大的问题是功能和作用的平衡的问题, 咱们在探究使用分布式并行化求解的进程。



这个问题十分好, 现在除了传统的结构化数据例如图画和语音的范畴,其他范畴都在探究阶段。


Q: 强化学习方针是指网络吗?规划问题怎样表明?

现在在规划问题里边有两个问题是能够表达的,就像切箱问题和 TSP 问题,由于它能够去表达到一个序列。
它在 Reinforcement Learning 也很好表
达,关于TSP而言便是线路的一个长度;关于切箱问题而言,便是箱子的表面积。切箱问题和TSP问题,输入以产品巨细和点的坐标表达,reward 用
长度和面积表达。


2017 全球机器学习技能大会

将在6月29-30日于北京金茂万丽酒店隆重举行,
特别约请国内外 AI 范畴一线技能专家热情脑暴——

核算机视觉前驱,OpenCV创始人 / Gary Bradski
 

Google 数据科学主管 / Ying Lu

Facebook 运用机器学习部分主管 / Huang Fei

美国微软人工智能研讨部高档总监 / 张若非

Etsy 数据科学主管 / 洪亮劼   

Uber 机器学习渠道技能主管 / Li Erran

Tesla 机器学习高档工程师 / Zhenhua Yu

Snapchat AI 团
队负责人 / Yunchao Gong

D
atabricks 机器学习主管 / Xiangrui Meng

腾讯云机器学习渠道负责人 / 黄明

阿里云 iDST 深度学习负责人 / 杨军

…………


【撒福利啦】

5月22日晚8点,由 Etsy 数据科学主管,前yahoo研讨院高档研制司理 @洪亮劼 教师和咱们聊一聊 《机器学习在电商范畴的运用》。




”报名参与直播,速来占座!

本文来自网络,不代表快递资讯网立场。转载请注明出处: http://www.llaiot.com/popular-logistics-information/2682.html
上一篇
下一篇

为您推荐

返回顶部