即使是有經驗的深度學習開發者，想部署構建一套深度學習開發環境也需要大量時間完成復雜的配置工作。Deep Learning on QingCloud 通過 AppCenter 交付，可一鍵完成云端部署，并提供應用全生命周期管理能力（創建、擴容、監控、健康監測等），助力開發者極速搭建深度學習開發環境。
即使是有經驗的深度學習開發者，想部署構建一套深度學習開發環境也需要大量時間完成復雜的配置工作。Deep Learning on QingCloud 通過 AppCenter 交付，可一鍵完成云端部署，并提供應用全生命周期管理能力（創建、擴容、監控、健康監測等），助力開發者極速搭建深度學習開發環境。
支持使用 GPU 或僅使用 CPU 進行深度學習開發與訓練，同時可根據自身需求選擇單節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計的 AMD / NVIDIA GPU? ，并以直通的方式與平臺內的節點對接，使得節點可以獨占整個 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，如果開發者希望以較低成本進行深度學習開發，也可選擇僅使用 CPU資源進行單節點或分布式訓練。目前，Tensorflow、PyTorch 及 Keras支持使用 CPU 進行深度學習應用訓練和測試， 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參數，可便捷地從對象存儲中獲取海量訓練數據，完成模型的訓練。
集成 Caffe、TensorFlow、PyTorch 和 Keras 等主流深度學習框架和 Jupyter notebook 前端開發環境，助力用戶快速部署深度學習開發環境。
為加速深度學習開發與模型訓練，Deep Learning on QingCloud 預置 CUDA8.0 和 cuDNN5 驅動，并安裝有 numpy、scipy、pandas、matplotlib、nltk、scikit-learn 等眾多數據科學工具包。
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。在離線訓練、臨時測試、算法驗證以及 AI 框架學習等場景中較適于按需付費模式，而在生產環境穩定訓練需求和在線訓練等場景中使用包月、包年模式成本更低。
青云QingCloud 深度學習平臺全新升級，推出入門版、基礎版、企業版三種版本，可應對不同場景對深度學習的需求。
搭載第二代英特爾?至強?可擴展處理器，通過 DL Boosting 的 VNNI 技術及 Intel 優化的深度學習框架( TensorFlow、Caffe、PyTorch 等)，在圖像分類、圖像目標檢測、自然語言處理、推薦系統及強化學習等深度學習的性能大幅提升。
入門版預裝英特爾針對 CPU 優化過的 Caffe ( Intel 1.1 ) 、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 )、PyTorch ( 1.1.0 ) 最新深度學習框架。
搭載 AMD GPU，在提供云主機靈活性的同時，提供優秀的性能體驗和超高的性價比，在深度學習訓練、推理等方面都能表現出優秀的計算優勢。AMD GPU 對主流深度學習框架的支持給用戶提供了更具性價比的選擇。
AMD GPU 目前支持的深度學習框架有 TensorFlow , Pytorch , Caffe , 并將支持 MXNet。基礎版預裝了 TensorFlow 1.14.0、Keras 2.2.4，PyTorch 1.2.0 最新深度學習框架。
搭載 NVIDIA GPU，在提供云主機彈性特性的同時，提供優異的性能體驗，能夠為用戶提供超高的計算能力，在深度學習訓練、推理等方面都能表現出強大的計算優勢。
企業版預裝 Caffe ( BVLC 1.0 )、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 ) 、PyTorch ( 1.1.0 )? 最新深度學習框架。
互聯網時代帶來了爆炸式增長的數據量，面對海量的圖像、語音和文本數據，訓練模型需要性能極高的計算速度，青云 QingCloud 深度學習平臺可以提供優異的計算性能，全力加速深度學習領域人工智能產品的開發。
圖像、語音和文本等數據源通過上傳至海量數據存儲服務 QingStor? 對象存儲進行持久化存儲，同時也可直接通過云端 Kafka 將數據源傳輸到 Storm、Spark 等集群進行數據預處理，生成樣本數據。經過 QingCloud 深度學習平臺進行模型訓練與驗證，并根據最新樣本數據不斷更新模型。
訓練好的模型即可用于圖像、語音的智能識別以及自然語言理解等 AI 服務，可廣泛應用于安全、電商、智能交通等領域。
請選擇區域
