徐州蹬推电子技术有限公司

即使是有經(jīng)驗的深度學(xué)習(xí)開發(fā)者，想部署構(gòu)建一套深度學(xué)習(xí)開發(fā)環(huán)境也需要大量時間完成復(fù)雜的配置工作。Deep Learning on QingCloud 通過 AppCenter 交付，可一鍵完成云端部署，并提供應(yīng)用全生命周期管理能力（創(chuàng)建、擴容、監(jiān)控、健康監(jiān)測等），助力開發(fā)者極速搭建深度學(xué)習(xí)開發(fā)環(huán)境。

支持使用 GPU 或僅使用 CPU 進行深度學(xué)習(xí)開發(fā)與訓(xùn)練，同時可根據(jù)自身需求選擇單節(jié)點或分布式部署模式。

使用 GPU	僅使用 CPU
QingCloud 采用專為人工智能計算設(shè)計的 AMD / NVIDIA GPU? ，并以直通的方式與平臺內(nèi)的節(jié)點對接，使得節(jié)點可以獨占整個 GPU ，避免了虛擬化帶來的損耗，全面釋放 GPU 計算能力。	GPU 性能雖然強勁，但費用也相對較高，如果開發(fā)者希望以較低成本進行深度學(xué)習(xí)開發(fā)，也可選擇僅使用 CPU資源進行單節(jié)點或分布式訓(xùn)練。目前，Tensorflow、PyTorch 及 Keras支持使用 CPU 進行深度學(xué)習(xí)應(yīng)用訓(xùn)練和測試， Caffe 需要重新編譯才支持。

集成對象存儲命令行工具，通過配置對象存儲相關(guān)參數(shù)，可便捷地從對象存儲中獲取海量訓(xùn)練數(shù)據(jù)，完成模型的訓(xùn)練。

集成 Caffe、TensorFlow、PyTorch 和 Keras 等主流深度學(xué)習(xí)框架和 Jupyter notebook 前端開發(fā)環(huán)境，助力用戶快速部署深度學(xué)習(xí)開發(fā)環(huán)境。

為加速深度學(xué)習(xí)開發(fā)與模型訓(xùn)練，Deep Learning on QingCloud 預(yù)置 CUDA8.0 和 cuDNN5 驅(qū)動，并安裝有 numpy、scipy、pandas、matplotlib、nltk、scikit-learn 等眾多數(shù)據(jù)科學(xué)工具包。

支持按需付費、包月、包年計費模式，為用戶提供更加全面和靈活的成本管理支持。在離線訓(xùn)練、臨時測試、算法驗證以及 AI 框架學(xué)習(xí)等場景中較適于按需付費模式，而在生產(chǎn)環(huán)境穩(wěn)定訓(xùn)練需求和在線訓(xùn)練等場景中使用包月、包年模式成本更低。