微信正用着的深度学习框架，现在你也可以上手试一试了。
就在最近，腾讯把这个名叫deepx_core的深度学习基础库正式对外开源。
相比于PyTorch、TensorFlow等流行深度学习框架，这位选手不仅具有通用性，还针对高维稀疏数据场景进行了深度优化。
也就是说，对于开发搜索、推荐、广告这样的深度学习应用，会更加友好易用。
具体是怎么一回事，不妨一起来了解一下~
根据项目介绍，deepx_core是一个通用的深度学习框架，使用C++11开发。基于deepx_core，可以快速开发张量计算/机器学习/深度学习/强化学习/图神经网络/无监督学习等应用。
关于deepx_core的特点，不妨先从张量说起。
张量是deepx的核心数据结构，有以下几种类型。
其中，float_t是单精度浮点数，int_t是64位无符号整数。
值得一提的是，稀疏张量一直是开源框架的痛点，但像搜索、推荐等算法应用，其实都是高维稀疏数据场景。
为此，deepx_core设计并实现了稀疏张量和配套的operation，以原生的方式实现了稀疏模型。
在分布式训练场景下，稀疏张量均匀分布在多台参数服务器上，模型规模能随着参数服务器数量增加而线性扩展。
deepx_core的另一个重要模块，是计算图。
具体而言，deepx_core提供了一个支持自动求导的静态图引擎，支持100+ operation，覆盖几乎所有网络类型。
计算图引擎通常用在各种深度学习任务中。而一个完整的深度学习应用，主要包括以下模块的开发和使用：
- 样本解析器
- 特征抽取
- 计算图
- 优化器
在deepx_core中，样本解析器和优化器都是单独的模块。在内置样本解析器、优化器无法满足需求的情况下，都可以通过继承来增加新的解析器、优化器。
另外，因为基于C++开发，deepx_core具有高性能和跨平台的特点。
根据官方实验数据，基于deepx_core解决方案的性能普遍是开源框架的5-10倍。
如果你想亲自试试这个新开源框架，那么需要先准备一个支持C++11的编译器来进行编译。
make -j8
再跑一下单元测试。
make -j8 test
然后安装即可。
make -j8 install PREFIX=/where/you/want/to/install
最后，简单介绍一下项目背后的开发团队。
deepx_core的开发者来自微信看一看算法平台团队。
据介绍，在正式开源之前，deepx系列机器学习项目已经在腾讯内部经过了3年多的迭代。
微信看一看、微信搜一搜、微信支付、微信表情、微信视频号、微信小程序、微信读书、QQ音乐、应用宝、腾讯新闻、腾讯课堂、腾讯黑产打击等排序/召回场景中，都已经有deepx_core及其衍生项目的落地。
说起来，鹅厂近年来在开源方面确实没少下功夫。
根据腾讯2020年度《腾讯研发大数据报告》，腾讯目前深度参与了数十个国际知名开源项目的贡献，并在OpenJDK、KVM等开源社区的贡献榜上，攀至国内第一。
辣么，你可曾用过鹅厂的开源项目？欢迎在评论区分享经验~
项目地址：
https://github.com/Tencent/deepx_core
— 完 —
“
