摘要： 12月9日云栖计算之旅线下沙龙第2期《Docker在云平台上的最佳实践》，阿里云技术专家必嘫给大家带来了“当容器服务遇到了深度学习”的演讲。本文主要从深度学习的兴起开始谈起，进而介绍了Docker技术、阿里云容器服务，重点介绍了支持云上的高性能计算应用需要哪些，包括GPU的调度、隔离和监控。

12月9日云栖计算之旅线下沙龙第2期《Docker在云平台上的最佳实践》，阿里云技术专家必嘫给大家带来了“当容器服务遇到了深度学习”的演讲。本文主要从深度学习的兴起开始谈起，进而介绍了Docker技术、阿里云容器服务，重点介绍了支持云上的高性能计算应用需要哪些，包括GPU的调度、隔离和监控。

视频回顾

深度学习

人工智能已经进入了深度学习时代。传统的让机器自动化的方式已经不再适合解决一些问题，机器学习开始兴起，让机器像小孩子一样自己去认识世界。而深度学习本身是机器学习的一个算法，深度学习想用数字化的方式模拟神经元进行运算，对于变量的抽取完全是基于数据的。

基于深度学习的机器视觉能力上已经接近人类。传统的机器学习方法在2011年之前一直使用，识别的准确率不会高过77.5%；2012年开始引入深度学习，识别准确率得到大大提升，错误率接近5%。在ILSVRC的ImageNet计算机视觉系统识别项目上，基于深度学习的机器视觉能力已经接近人类（如上图）。今年初AlphaGo与韩国棋手李世石4:1的比赛结果，再次向人们展示了人工智能的强大之处。

深度学习起起伏伏，1960年代开始有了单层神经网络，80年代算法模型已经相对完备，2009年GPU的出现，提供了巨大的计算量，使深度学习真正的应用起来。

深度学习许多算法依赖于矩阵的乘法，是CPU速度的45倍左右。但是，当深度学习应用越来越广泛时，提供数据量越来越巨大时，目前常用的单GPU并不满足深度学习井喷式的计算需求。

当我们进行GPU资源管理时，要向韩信点兵一样多多益善。但是，并不是对每个人来说，GPU越多，管理能力就越高，而是有没有能力将集群管理起来，我们需要对GPU进行统一规划和管理的角色存在。

Docker

Docker搭建了一个从软件、开发、测试、交付、到运维的潜在规约，将应用的运行环境固化，一层层向下交付。一个Dcoker镜像只能跑一个容器，但多数复杂应用并不是一个容器能够完成的，这需要Docker Compose完成，Docker提供了资源分配方式，Docker Engine通过Docker Registry分配部署的。

阿里云容器服务

阿里云容器服务底层为容器层，不存在公有云专有云分隔，相当于无边界计算，可以在任何环境下部署；阿里云在调度上进行了扩展，在阿里云不同地区部署容器服务时，可以根据高可用性把同样两个前端Web部署到不同地方，对GPU的支持，阿里云也在已有Swarm基础上进行了扩展，用户可以支持真实的应用软件的开发部署场景，阿里云也将云监控、日志服务等集成在了一起。

GPU

为了能够支持云上的高性能计算集群，我们需要按GPU调度、按GPU隔离、按GPU监控。

当向一块机器要两块GPU卡时，选择两块不同的GPU，性能是完全不一样的。

当同时调度GPU资源和CPU资源的时候，当指派多个GPU资源给一个任务时，当调度多个GPU任务完成同一个工作的时候，和GPU相关的拓扑结构很重要。

阿里云容器服务支持GPU的调度，对于最终用户来说是一个透明的过程，用户只需要在label下描述需要一个GPU，我们就会负责帮您选择要使用的GPU，并将其隔离好。

GPU监控

当使用GPU运算时，我们会让用户观测到GPU状况，监控GPU关键指标包括资源使用量、内存使用量以及温度等；我们也会自动恢复，kapacitor触发容器服务弹性伸缩功能，OSS保存checkpoint或Model。

云上的高性能计算应用还需要什么

无缝连接阿里云的云服务，构建完整的深度学习应用。

简单的深度学习离线训练架构需要有HPC、需要在GPU上有应用、容器服务在调度上有优势，需要分布式存储把数据、计算隔离开；复杂的深度学习离线训练架构在这个基础上，还需要数据库、大数据的服务。

简单的深度学习在线预测架构，首先要保证高可用性，前端需要负载均衡，后端需要OSS；复杂的深度学习在线预测架构还需要云监控和云盾以及数据库。

基于HPC的深度学习解决方案

其中包括TensorFlow应用、Caffe应用，结合容器服务，释放HPC威力，快速创新、持续进化，打通从学习到服务价值链路。