Zendesk的TensorFlow产品部署经验

作者 Wai Chee Yau 译者 尚剑

我们如何开始使用TensorFlow

在Zendesk，我们开发了一系列机器学习产品，比如最新的自动应答（Automatic Answers）。它使用机器学习来解释用户提出的问题，并用相应的知识库文章来回应。当用户有问题、投诉或者查询时，他们可以在线提交请求。收到他们的请求后，Automatic Answers将分析请求，并且通过邮件建议客户阅读可能最有帮助的相关文章。

Automatic Answers使用一类目前最先进的机器学习算法来识别相关文章，也就是深度学习。我们使用Google的开源深度学习库TensorFlow来构建这些模型，利用图形处理单元（GPU）来加速这个过程。Automatic Answers是我们在Zendesk使用Tensorflow完成的第一个数据产品。在我们的数据科学家付出无数汗水和心血之后，我们才有了在Automatic Answers上效果非常好的Tensorflow模型。

但是构建模型只是问题的一部分，我们的下一个挑战是要找到一种方法，使得模型可以在生产环境下服务。模型服务系统将处理大量的业务，所以需要确保为这些模型提供的软件和硬件基础架构是可扩展的、可靠的和容错的，这对我们来说是非常重要的。接下来介绍一下我们在生产环境中配置TensorFlow模型的一些经验。

顺便说一下我们的团队——Zendesk的机器学习数据团队。我们团队包括一群数据科学家、数据工程师、一位产品经理、UX /产品设计师以及一名测试工程师。