人工智能深度学习模式识别机器学习神经网络实验室建设方案.pdfVIP

人工智能深度学习模式识别机器学习神 经网络实验室建设方案 （V2.0 版） 目 录 1. 前言 4 1.1. 建设背景 4 1.2. 建设目标 4 2. 系统总体设计 5 2.1. 系统总体框架 5 2.2. 框架总体介绍 6 3. 系统功能设计 7 3.1. GPU 集群管理 7 3.1.1. GPU 集群管理功能 8 3.1.2. GPU 集群管理设计 8 3.2. 任务调度管理 10 3.2.1. 任务调度模块架构 10 3.2.2. 任务调度交互设计 11 3.3. 教学资源管理 13 3.3.1. 在线资源目录管理 13 3.3.2. 深度学习实验案例 13 3.4. 用户权限管理 15 3.5. 应用工具管理 17 3.5.1. 数据爬取工具 17 3.5.2. 数据模拟工具 18 3.5.3. 数据可视化工具 19 4. 系统部署 20 4.1. 系统部署拓扑 20 4.2. 系统部署步骤 21 5. 硬件配置 24 1. 前言 1.1. 建设背景 人工智能本轮崛起是以深层神经网络为核心的深度学习技术，在传统的人 工智能应用领域的突破性进展为标志的。在机器视觉、自然语言处理、机器人 控制等领域，使用深度学习技术进行分析和建模后，其准确率等性能指标相比 传统机器学习技术，都获得了非常显著的提升。同时，伴随着云计算和大数据 技术的发展，传统人工智能应用面临的数据量缺失和计算资源不足的困境，得 到极大的缓解，深度学习技术正在不断渗透到传统的机器学习领域，并带来价 值数以万亿计的产业机会。 为了贯彻落实教育部《高等学校人工智能创新行动计划》的相关要求，强 化高校在人工智能基础研究、学科发展和人才培养方面的优势，进一步加强人 工智能应用的基础研究和共性关键技术突破，使学生在学习实践过程中，掌握 业界最新的深度学习技术，培养能够满足人工智能应用开发的人才，中智讯公 司整合了最新的云计算、大数据和深度学习技术，研发了深度学习实验平台管 理系统，提供与业界生产环境类似的深度学习集群环境，并集成了各种深度学 习神经网络框架和训练数据集，以及各种常用的数据采集爬虫和数据可视化等 工具，使学生可以在深度学习实验平台上开展各种深度学习相关的算法建模实 验，学习到第一手的深度学习数据分析和建模技术，为学生将来在学术研究和 应用领域的进一步发展打下坚实的基础。 1.2. 建设目标 深度学习实验平台建设的总体目标是基于深度学习平台硬件集群，整合深 度学习常用框架和算法模型，提供多租客模式的深度学习计算服务，提高科研 资源使用效率，提升学校在深度学习技术和应用领域的科研能力，培养掌握人 工智能核心技术研发技能的优秀人才。 具体的建设目标包括以下几个方面： 算法训练： 提供分布式的深度学习算法训练任务运行环境，实现多用户 深度学习算法训练任务的同步运行、失败自动重启和运行日志监控； 集群管理： 通过集群硬件的资源调配和使用监控，实现不同角色的用户 资源份额管理，支持深度学习集群的多租客资源管理，支持硬件资源的动态扩 展； 资源管理： 提供各种深度学习框架镜像和案例资源包管理功能，按照不 同用户角色，提供资源控制管理权限，支持教学资源的共建共享； 开发实战： 提供深度学习应用开发的各种开发工具，包括集成开发环 境、数据爬取工具、数据模拟工具和数据可视化工具等，使学生掌握真实企业 场景深度学习应用开发技能 应用展现： 提供各种深度学习应用案例包，包括实验指导书和项目源 码，支持深度学习应用的