0755-82048877
互聯網大數據和數據共享平臺的發展，獲得了海量的數據積累，也為深度學習的發展提供了強大的推動力。而由于深度學習的網絡模型復雜、參數多、收斂困難和樣本數量龐大等特點，對深度學習硬件系統的計算能力提出了更高的要求。曙光GPU深度學習平臺解決方案從計算加速、存儲系統、網絡系統、作業調度系統、集群管理及軟件框架等方面進行整體的設計和優化，幫助用戶解決深度學習在訓練過程中所面臨的海量計算問題，簡化構建深度學習平臺的難度，降低業務投入成本，賦能用戶深度學習研究。可廣泛應用于圖像識別、人臉識別、語音識別、自然語言處理等應用場景。
面向深度學習用戶設計的曙光Xmachine ，具有高并行、高吞吐、低時延等特點，各場景下輸出強大運算能力。
存儲系統采用曙光ParaStor分布式存儲，提供充足的I/O聚合帶寬，存儲系統穩定可靠、具有線性擴展能力。
容器化學習平臺實現快速環境部署及作業指派，有效降低多應用程序安裝、遷移復雜度。
兼顧AI和HPC環境，豐富的調度策略，靈活的調度資源，優化集群資源利用，使訓練過程更加高效、彈性。
面向深度學習用戶設計的曙光Xmachine ，具有高并行、高吞吐、低時延等特點，各場景下輸出強大運算能力。
存儲系統采用曙光ParaStor分布式存儲，提供充足的I/O聚合帶寬，存儲系統穩定可靠、具有線性擴展能力。
容器化學習平臺實現快速環境部署及作業指派，有效降低多應用程序安裝、遷移復雜度。
兼顧AI和HPC環境，豐富的調度策略，靈活的調度資源，優化集群資源利用，使訓練過程更加高效、彈性。
面向深度學習用戶設計的曙光Xmachine ，具有高并行、高吞吐、低時延等特點，各場景下輸出強大運算能力。
存儲系統采用曙光ParaStor分布式存儲，提供充足的I/O聚合帶寬，存儲系統穩定可靠、具有線性擴展能力。
容器化學習平臺實現快速環境部署及作業指派，有效降低多應用程序安裝、遷移復雜度。
兼顧AI和HPC環境，豐富的調度策略，靈活的調度資源，優化集群資源利用，使訓練過程更加高效、彈性。
曙光GPU深度學習平臺計算系統采用曙光新一代 XMachine高性能GPU服務器組成大規模GPU訓練、推理集群，輸出強大算力；計算數據、日志log和模型數據等統一存儲在曙光ParaStor300分布式并行存儲中，能夠實現全局文件的統一訪問和并發讀寫；該系統支持Caffe/TensorFlow等多種主流深度學習框架、應用容器技術，提供數據集管理、模型管理、訓練等服務。幫助用戶解決多用戶組資源分配、開發環境快速搭建、應用程序靈活遷移等技術需求。使用戶在集群上輕松部署深度學習應用、跟蹤試驗和訓練、發布模型，而無需關心繁瑣部署運維，專注于核心業務。
鍵翻閱圖片 
