青云QingCloud 推出容器版深度学习平台，并联合 Intel 发布 CPU 优化版深度学习框架

　　语音助手，人脸识别，外文翻译等等，AI 已融入到了我们生活的方方面面，极大了促进了社会的发展。深度学习是 AI 的核心技术，在图像分类，自然语言处理，自动驾驶等众多领域显示出了强大的能力，其中 Caffe，TensorFlow，Keras，PyTorch 是主流的深度学习框架，拥有强大的社区支持，是实践深度学习不可或缺的工具。

　　以 Docker 和 K8S 为代表的容器技术被越来越多的企业和机构采用，为此青云 QingCloud推出深度学习平台容器版，将主流的深度学习框架做成 Docker镜像， 用户无需为搭建环境浪费时间，直接通过容器启动配置好的深度学习平台，使得用户可以专注于深度学习应用的开发，避免了框架繁琐的安装部署流程，还可以按需选择不同版本的深度学习框架 Docker镜像，实现定制深度学习平台的目的，提高用户的开发和部署效率。

　　1: 青云深度学习平台容器版

　　青云深度学习平台容器版提供 GPU 和 CPU 两个容器版本：

　　其中 GPU 版本分为 GPU 高级版和 GPU 基础版，均搭载 NVIDIA Tesla P100 GPU，GPU 高级版和 GPU 基础版的区别在于 CPU 核数、内存的可配置范围以及是否支持包年包月。

　　CPU 版本为 QingCloud 深度学习平台携手 Intel，推出了两个针对 Intel CPU 优化的深度学习平台版本，优化版 1：增加 avx 指令集支持以加速 Caffe, TensorFlow, Keras, PyTorch 训练;优化版 2：增加 avx2, fma 指令集支持和 MKLDNN 库以加速 Caffe, TensorFlow, Keras 训练，增加 avx2 指令集支持加速 PyTorch 训练。

　　 据测试，Intel 优化版 TensorFlow ，在 16核 Broadwell平台上，ResNet 50的推理速度可达 40 imgs/s ，能够满足一些轻量级模型的训练和推理需求。

　　 GPU 容器版在 Docker 宿主机中安装 NVIDIA Driver(387.26)，nvidia-Docker2，Docker(18.03.1-ce)，CPU 容器版在 Docker 宿主机上安装 Docker(18.03.1-ce)，容器版在宿主机上预置了一个或多个 Docker 镜像，镜像中均安装 Caffe(BVLC 1.0 或 Intel 1.1)、TensorFlow(1.8.0)，Keras(2.2.0)，PyTorch(0.4.1)框架。

　　同时，为满足用户对不同 Deep Learning 框架版本、python 版本和 CUDA 版本的需求，青云深度学习平台容器版提供了匹配不同版本的多个Docker image，用户可依据需要拉取，各框架的 Repository 地址如下：

　　深度学习框架镜像仓库

　　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: 接下来，我们还将推出基于 K8S的机器学习/ 深度学习平台，敬请期待。

　　2: 平台性能测试

　　为了让用户快速了解深度学习平台的性能指标以便于选择，我们使用 TensorFlow 性能测试代码中的 CNN Benchmark ，对常用硬件配置组合进行了测试。 我们选择 ResNet-50 模型，调用 Python 3.6 + TensorFlow 1.7.0 环境，使用合成数据进行测试。

　　3:模型和数据

　　为了方便用户使用，我们收集了深度学习常用的数据集，以及一些常用模型的预训练权重，放在对象存储中，用户可直接使用这些数据开始自己的工作，节省下载数据的时间，提高工作效率。(下载地址：http://t.cn/RkK0v6y)

　　4: 训练与推理实践

　　为了方便用户的学习和实践，我们还提供了包含图像分类、目标检测、人脸识别及自然语言处理的示例，以下简单举例说明。