vivo AI 研究院从2018年初开始从机器学习向深度学习转型，需要一套通用的深度学习平台统一支持广告、推荐、视觉、语音、NLP 等领域高效落地深度学习。在这个过程中，探索出了一套基于容器技术的深度学习平台，统一支持 Tensorflow、PyTorch、Caffe、Kaldi 等深度学习框架，支持大规模深度学习，高效落地基于大规模 GPU 深度学习的模型训练。经过1年多的研究和实践，vivo 建设了一套领先的完善的深度学习计算平台，并且落地在 vivo AI 研究院 广告、推荐、视觉、语音、NLP 业务中，大大提升了业务的训练效率。

演讲提纲：

1. vivo 深度学习面临的问题和挑战
2. 深度学习计算平台的技术选型与架构设计
3. 大规模计算集群调度
4. 海量小样本分布式存储
5. 打造完整的深度学习闭环，数据-训练-推理
6. 广告和推荐、视觉、语音场景面临的问题和解决方法

听众受益点：

1. 了解深度学习项目的最佳实践
2. 如何避免大规模深度学习项目中的各种坑
3. 如何驾驭大规划机器调度和海量小样本存储