語音助手，人臉識別，外文翻譯等等，AI 已融入到了我們生活的方方面面，極大了促進了社會的發(fā)展。深度學習是 AI 的核心技術(shù)，在圖像分類，自然語言處理，自動駕駛等眾多領(lǐng)域顯示出了強大的能力，其中 Caffe，TensorFlow，Keras，PyTorch 是主流的深度學習框架，擁有強大的社區(qū)支持，是實踐深度學習不可或缺的工具。
以 Docker 和 K8S 為代表的容器技術(shù)被越來越多的企業(yè)和機構(gòu)采用，為此青云 QingCloud 推出深度學習平臺容器版，將主流的深度學習框架做成 Docker 鏡像， 用戶無需為搭建環(huán)境浪費時間，直接通過容器啟動配置好的深度學習平臺，使得用戶可以專注于深度學習應用的開發(fā)，避免了框架繁瑣的安裝部署流程，還可以按需選擇不同版本的深度學習框架 Docker 鏡像，實現(xiàn)定制深度學習平臺的目的，提高用戶的開發(fā)和部署效率。
1: 青云深度學習平臺容器版
青云深度學習平臺容器版提供 GPU 和 CPU 兩個容器版本：
其中 GPU 版本分為 GPU 高級版和 GPU 基礎版，均搭載 NVIDIA Tesla P100 GPU，GPU 高級版和 GPU 基礎版的區(qū)別在于 CPU 核數(shù)、內(nèi)存的可配置范圍以及是否支持包年包月。
CPU 版本為 QingCloud 深度學習平臺攜手 Intel，推出了兩個針對 Intel CPU 優(yōu)化的深度學習平臺版本，優(yōu)化版 1：增加 avx 指令集支持以加速 Caffe, TensorFlow, Keras, PyTorch 訓練;優(yōu)化版 2：增加 avx2, fma 指令集支持和 MKLDNN 庫以加速 Caffe, TensorFlow, Keras 訓練，增加 avx2 指令集支持加速 PyTorch 訓練。
據(jù)測試，Intel 優(yōu)化版 TensorFlow ，在 16 核 Broadwell 平臺上，ResNet 50 的推理速度可達 40 imgs/s ，能夠滿足一些輕量級模型的訓練和推理需求。
GPU 容器版在 Docker 宿主機中安裝 NVIDIA Driver(387.26)，nvidia-Docker2，Docker(18.03.1-ce)，CPU 容器版在 Docker 宿主機上安裝 Docker(18.03.1-ce)，容器版在宿主機上預置了一個或多個 Docker 鏡像，鏡像中均安裝 Caffe(BVLC 1.0 或 Intel 1.1)、TensorFlow(1.8.0)，Keras(2.2.0)，PyTorch(0.4.1)框架。
同時，為滿足用戶對不同 Deep Learning 框架版本、python 版本和 CUDA 版本的需求，青云深度學習平臺容器版提供了匹配不同版本的多個Docker image，用戶可依據(jù)需要拉取，各框架的 Repository 地址如下：
深度學習框架鏡像倉庫
TensorFlow：
https://hub.Docker.com/r/qingcloud/tensorflow/
Keras：
https://hub.Docker.com/r/qingcloud/keras/
Pytorch：
https://hub.Docker.com/r/qingcloud/pytorch/
Caffe：
https://hub.Docker.com/r/qingcloud/caffe/
TensorFlow+Keras+Pytorch+Caffe：
https://hub.Docker.com/r/qingcloud/deeplearning/
PS: 接下來，我們還將推出基于 K8S 的機器學習/ 深度學習平臺，敬請期待。
2: 平臺性能測試
為了讓用戶快速了解深度學習平臺的性能指標以便于選擇，我們使用 TensorFlow 性能測試代碼中的 CNN Benchmark ，對常用硬件配置組合進行了測試。 我們選擇 ResNet-50 模型，調(diào)用 Python 3.6 + TensorFlow 1.7.0 環(huán)境，使用合成數(shù)據(jù)進行測試。
3: 模型和數(shù)據(jù)
為了方便用戶使用，我們收集了深度學習常用的數(shù)據(jù)集，以及一些常用模型的預訓練權(quán)重，放在對象存儲中，用戶可直接使用這些數(shù)據(jù)開始自己的工作，節(jié)省下載數(shù)據(jù)的時間，提高工作效率。(下載地址：http://t.cn/RkK0v6y)
4: 訓練與推理實踐
為了方便用戶的學習和實踐，我們還提供了包含圖像分類、目標檢測、人臉識別及自然語言處理的示例，以下簡單舉例說明。(更多案例：http://t.cn/RkK0Lnl )
更多使用問題可查閱用戶指南：
https://docs.qingcloud.com/product/ai/deeplearning/
