快，关注“Linux宝库”，一起涨姿势～

现在，网络游戏非常受欢迎，特别是受年轻人的喜爱。他们在业余时间玩游戏，在家庭成员或朋友之间玩网络游戏。在很多情况下，玩家需要通过为游戏中的人物购买装备，以获得其他玩家不具备的优势。

为了增强用户的网络游戏体验，腾讯安装了一款采用机器学习方法的游戏内购买推荐系统，以帮助用户决定为游戏购买什么装备。

腾讯是一家互联网公司，提供数量众多的服务，包括社交网络、Web 门户、电子商务和多人在线游戏。

下面，将分别介绍推荐系统、腾讯用于推荐系统的机器学习算法，以及英特尔®至强®处理器产品家族如何帮助提升该系统的性能。

推荐系统

推荐系统是一种生成推荐物品列表以供用户选择的机制，用于帮助用户决定购买哪些物品。 推荐系统可用于选择歌曲、电影、文章等等。

在腾讯的案例中，其中一款应用就是使用推荐系统为网络游戏推荐合适的装备。

推荐系统使用以下方法生成物品列表：协作方法、基于内容的方法或混合方法。

协作算法是基于系统中其他用户的评分或行为进行推荐的算法。它会分析用户的活动或偏好，并根据该用户与其他用户的相似性来预测用户会喜欢什么。

基于内容的算法会根据物品的描述和用户的兴趣资料，向用户推荐一个物品。

混合算法结合了协作算法和基于内容的算法的优势。

腾讯在其游戏内购买推荐系统中使用称为逻辑回归的机器学习算法。下一节将简要讨论逻辑回归及其公式。

逻辑回归

逻辑回归是一种预测分析。它是用于二进制分类的最流行的机器学习算法之一。二进制分类意味着结果是二分的，也就是说只有两个类，如赢和输，是和否，真和假，1 和 0。 例如，打赌一匹马将赢得或输掉比赛。 这里我们有两个类，赢和输。 这里的目标/因变量是赌注。 如果这匹马赢得比赛，它的值为 1，如果输掉比赛，则为 0。

逻辑回归就是使用以下等式找出对数几率的概率：

p: 事件存在的概率

1 – p： 事件不存在的概率

β： 权重

x： 自变量

逻辑回归会生成上述公式的系数 β，以预测事件存在的概率。

腾讯游戏内购买推荐系统和英特尔® 至强® 处理器 E5 v4。

腾讯机器学习引擎会对大量在线游戏用户的行为进行分析，从而为用户推荐应当在游戏中使用哪些装备。因此，它需要强大的计算能力来缩短模型训练时间。它在模块中广泛使用 DGEMM来计算逻辑回归机器学习算法的系数。DGEMM是双精度浮点数的矩阵乘法函数。

腾讯机器学习引擎通过英特尔® 数学核心函数库（英特尔® MKL）调用DGEMM函数。英特尔至强处理器 E5 v4 产品家族支持英特尔® 高级矢量扩展指令集 2（英特尔® AVX2），英特尔 MKL 使用英特尔 AVX2 进行了性能的高度优化。 使用英特尔MKL的应用只需链接到最新版本的英特尔MKL 即可利用未来英特尔® 至强® 处理器中的新功能，因为英特尔 MKL 将自动检测新功能并使用它们（如适用）。

性能测试流程

为了解当前一代英特尔® 至强® 处理器相对于上一代英特尔® 至强® 处理器的性能改进情况，我们在两个平台上进行了测试。一个系统配备英特尔® 至强® 处理器 E5-2699 v3，另一个配备英特尔® 至强® 处理器 E5-2699 v4。

测试配置

配备双路英特尔® 至强® 处理器 E5-2699 v4 的系统

• 系统： 预生产

• 处理器： 英特尔至强处理器 E5-2699 v4 @2.2GHz

• 高速缓存： 55 MB

• 内核： 22

• 内存： 128 GB DDR4-2133MT/秒

配备双路英特尔至强处理器 E5-2699 v3 的系统

• 系统： 预生产

• 处理器： 英特尔至强处理器 E5-2699 v3 @2.3GHz

• 高速缓存： 45 MB

• 内核： 18

• 内存： 128 GB DDR4-2133 MT/秒

操作系统： Red Hat Enterprise Linux* 7.2-kernel 3.10.0-327

软件：

• GNU* C 编译器套装 4.8.2

• OpenJDK* 7

• Spark* 1.5.2

• 英特尔® MKL 11.3

应用： 腾讯机器学习训练工作负载

测试结果

以下测试结果分别显示了应用级别和系数计算模块的性能改进情况。

图 1： 使用英特尔® 至强® 处理器 E5-2699 v3 的应用与使用英特尔® 至强® 处理器 E5-2699 v4 的应用对比

图 1 显示了使用英特尔® 至强® 处理器 E5-2699 v3 的应用和使用英特尔® 至强® 处理器 E5-2699 v4 的应用的对比结果。 由于应用是可扩展的，因此它可以调度更多任务在 v4 而非 v3 中并行运行，从而缩短机器学习模型的训练时间。

图 2： 使用启用英特尔® AVX2 的英特尔® 至强® 处理器 E5-2699 v4 时，系数计算模块的性能对比

图 2 显示了在配备英特尔至强处理器 E5-2699 v4 的系统上启用英特尔 AVX2 时，计算系数模块的性能改进情况。 性能提升了 44%。

注： 性能测试中使用的软件和工作负载可能仅在英特尔® 微处理器上进行了性能优化。 诸如 SYSmark* 和 MobileMark* 等测试均系基于特定计算机系统、硬件、软件、操作系统及功能。上述任何要素的变动都有可能导致测试结果的变化。请参考其他信息及性能测试（包括结合其他产品使用时的运行性能）以对目标产品进行全面评估。更多信息敬请登录

http://www.intel.cn/content/www/cn/zh/benchmarks/intel-product-performance.html

   结论   

游戏内购买机器学习推荐系统嵌入在腾讯游戏内。因此，优化该系统将有助于加速决策流程，让系统为玩腾讯游戏的玩家推荐更好的游戏装备。 英特尔MKL使用AVX2来提高在配备至强处理器的系统上运行应用的性能。

关于作者：

IDZ，英特尔开发人员专区。是一个全球性网站，旨在为软件社区。提供见解、信息、专业知识和工具，以帮助在英特尔软件环境中工作的开发人员开拓创新，取得成功。

关于“Linux宝库”微信公众号：

欢迎关注"Linux宝库"微信公众号，这里每天发布最新的开源人物和开源事件。谨以此号记录Linux和开源业界的点点滴滴，为开源爱好者和从业者点亮人生。

- END -

- 责任编辑：丸子 -