微信正在用的深度學習框架開源！支持稀疏張量，基于C++開發
對于開發搜索、推薦等深度學習應用更加友好。
魚羊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI
微信正用著的深度學習框架，現在你也可以上手試一試了。
就在最近，騰訊把這個名叫deepx_core的深度學習基礎庫正式對外開源。
相比于PyTorch、TensorFlow等流行深度學習框架，這位選手不僅具有通用性，還針對高維稀疏數據場景進行了深度優化。
也就是說，對于開發搜索、推薦、廣告這樣的深度學習應用，會更加友好易用。
具體是怎么一回事，不妨一起來了解一下~
一個張量計算/深度學習基礎庫
根據項目介紹，deepx_core是一個通用的深度學習框架，使用C++11開發。基于deepx_core，可以快速開發張量計算/機器學習/深度學習/強化學習/圖神經網絡/無監督學習等應用。
關于deepx_core的特點，不妨先從張量說起。
張量是deepx的核心數據結構，有以下幾種類型。
其中，float_t是單精度浮點數，int_t是64位無符號整數。
值得一提的是，稀疏張量一直是開源框架的痛點，但像搜索、推薦等算法應用，其實都是高維稀疏數據場景。
為此，deepx_core設計并實現了稀疏張量和配套的operation，以原生的方式實現了稀疏模型。
在分布式訓練場景下，稀疏張量均勻分布在多臺參數服務器上，模型規模能隨著參數服務器數量增加而線性擴展。
deepx_core的另一個重要模塊，是計算圖。
具體而言，deepx_core提供了一個支持自動求導的靜態圖引擎，支持100+ operation，覆蓋幾乎所有網絡類型。
計算圖引擎通常用在各種深度學習任務中。而一個完整的深度學習應用，主要包括以下模塊的開發和使用：
- 樣本解析器
- 特征抽取
- 計算圖
- 優化器
在deepx_core中，樣本解析器和優化器都是單獨的模塊。在內置樣本解析器、優化器無法滿足需求的情況下，都可以通過繼承來增加新的解析器、優化器。
另外，因為基于C++開發，deepx_core具有高性能和跨平臺的特點。
根據官方實驗數據，基于deepx_core解決方案的性能普遍是開源框架的5-10倍。
安裝使用
如果你想親自試試這個新開源框架，那么需要先準備一個支持C++11的編譯器來進行編譯。
make -j8
再跑一下單元測試。
make -j8 test
然后安裝即可。
make -j8 install PREFIX=/where/you/want/to/install
已有落地應用
最后，簡單介紹一下項目背后的開發團隊。
deepx_core的開發者來自微信看一看算法平臺團隊。
據介紹，在正式開源之前，deepx系列機器學習項目已經在騰訊內部經過了3年多的迭代。
微信看一看、微信搜一搜、微信支付、微信表情、微信視頻號、微信小程序、微信讀書、QQ音樂、應用寶、騰訊新聞、騰訊課堂、騰訊黑產打擊等排序/召回場景中，都已經有deepx_core及其衍生項目的落地。
說起來，鵝廠近年來在開源方面確實沒少下功夫。
根據騰訊2020年度《騰訊研發大數據報告》，騰訊目前深度參與了數十個國際知名開源項目的貢獻，并在OpenJDK、KVM等開源社區的貢獻榜上，攀至國內第一。
辣么，你可曾用過鵝廠的開源項目？歡迎在評論區分享經驗~
傳送門
項目地址：
https://github.com/Tencent/deepx_core
— 完 —
- 蘋果芯片主管也要跑路！庫克被曝出現健康問題2025-12-07
- 世界模型和具身大腦最新突破：90%生成數據，VLA性能暴漲300%｜開源2025-12-02
- 谷歌新架構突破Transformer超長上下文瓶頸！Hinton靈魂拷問：后悔Open嗎？2025-12-05
- 90后華人副教授突破30年數學猜想！結論與生成式AI直接相關2025-11-26
相關閱讀
微信Embedding團隊OGB獲佳績，成果已落地應用于反詐等場景
微信支付與微信看一看Embedding聯合團隊憑借在邊性質預測任務方面的出色表現，在學者合作網絡、藥物反應網絡以及學術引用網絡三個數據集的邊預測競賽中分列第一名、第一名和第二名。
