Angel-ML/angel

Angel – 分散式機器學習與圖計算平台

是什麼 – Angel 是一個開源、高效率的框架，用於訓練大型機器學習模型與執行圖計算作業。它採用 參數伺服器 架構：模型參數被分片儲存在一組專用伺服器節點上，而工作節點負責計算梯度或更新。此系統以 Java 與 Scala 建構，可在 YARN（或本機）執行，可直接使用，也可透過 Spark on Angel 使用。

核心功能

• 傳統機器學習演算法 – 邏輯回歸、SVM、線性/穩健回歸、Softmax、K-均值、GBDT、LDA*（含 WarpLDA）、因子分解機等
• 圖演算法 – PageRank、K-core、H-index、接近度、連通分量、三角形計數、Louvain、標籤傳播、LINE、Word2Vec、GraphSAGE、GCN、DGI 等
• 參數伺服器核心 – 模型分區器、彈性的一致性模型、同步控制器，以及可插入的 psFunc 接口，支援自訂更新邏輯
• Spark 集成 – 「Spark on Angel」讓使用者撰寫 Spark 作業時，可自動利用 Angel 的 PS 服務，並公開 Angel-MLlib 與圖核
• 部署選項 – 從原始碼編譯、在單機上測試執行，或在 YARN 集群上啟動（附詳細資源設定指南）

誰會使用它

• 需要在一般叢集上訓練含數十億參數模型的資料科學團隊
• 專注於大規模圖學習或圖神經網路的研究人員
• 已使用 Hadoop/YARN 的公司，希望獲得原生 Java/Scala 的參數伺服器替代方案（如 TensorFlow 風格）

如何開始

1. 克隆程式碼庫並依照 Compilation Guide 編譯產生 JAR 檔案。
2. 執行 Quick-Start 教學（Spark-on-Angel 範例）以查看一個簡單的邏輯回歸作業。
3. 從文件中豐富的演算法清單中選擇一個演算法，並透過提供的參數描述檔案進行設定。

專案健康狀態

• 最新版本：3.2.0（Apache-2.0 許可證）
• 腾訊與北京大學的活躍貢獻者；提供郵件列表與路線圖 Wiki
• 多篇同行審查論文（如 PSGraph、DimBoost、LDA*）證明其研究背景

進一步了解

• 架構與設計文件：docs/overview/*
• API 參考：docs/apis/core_api_en.md
• 社群：郵件列表 angel-tsc@lists.deeplearningfoundation.org 與網站 https://angelml.ai/

---

總結 – Angel 是一個生產級、基於參數伺服器的大規模機器學習與圖運算平台，以 Java/Scala 寫成，與 Hadoop/YARN 生態系統深度整合。它是一個真正活躍維護的開源專案，位於 AI/ML 領域的最前線。