BOLT：一种在通用CPU硬件上自动化训练与部署大规模搜索与推荐模型的深度学习框架

在通用CPU硬件上实现大规模神经网络的高效训练与推理，对于推动深度学习（DL）能力的普及具有重要的现实意义。目前，训练包含数亿至数十亿参数的大型模型，通常依赖于专用硬件加速器（如GPU），而这类设备仅少数财力雄厚的机构能够负担。此外，这些模型的训练与部署往往伴随着显著的碳足迹，带来严峻的环境挑战。本文提出一种名为BOLT的稀疏深度学习库，旨在通过在标准CPU硬件上训练大规模搜索与推荐模型，逐步应对上述难题。BOLT为用户提供了灵活且高层次的API，其设计风格与现有主流深度学习框架保持一致，便于用户快速上手。通过自动调优特定超参数，BOLT进一步抽象了稀疏网络训练中的算法细节，显著降低了使用门槛。我们在多个信息检索任务上对BOLT进行了评估，包括商品推荐、文本分类、图神经网络以及个性化建模等。实验结果表明，BOLT在保持与当前最先进方法相当性能的同时，实现了成本与能耗的大幅降低，并将推理速度提升了一个数量级。目前，BOLT已成功部署于多家企业，用于解决关键业务问题，本文还特别呈现了一则在电子商务领域的客户应用案例。