作为人工智能领域的重要研究方向,深度学习加速了各行业的落地应用,受到了日益广泛的关注。高精度的深度学习模型可以解决各领域的诸多复杂任务,但需要研究人员使用大规模、高性能的计算资源进行多次训练、反复优化。近年来,国内外各大公司都在聚合底层计算资源、研发深度学习平台,旨在为用户提供便捷的模型训练机制。而如何提升服务质量、提高资源利用率、为用户提供高可用的友好型系统则成为了研究的关键。本文主要的研究工作如下:（1）在弹性伸缩方面,本文提出了一种服务级别的预测式水平弹性伸缩策略Pre-AS。该策略通过集群监控工具对集群中的历史数据进行采集,并使用CNNLSTM混合网络对未来的数据进行预测,最终实现了一种能够提前完成扩容或缩容操作的技术方案。通过对比实验,证明了该策略具有感知性,可以降低服务响应时间,使服务质量得到提升。（2）在集群调度方面,本文提出了一种改进的调度策略DLB-scheduler。该策略对节点进行分组、对集群底层异构的资源进行抽象,同时对打分策略进行了优化、将GPU作为打分阶段的评判标准,最后将Pod动态调度到节点。经过对比实验,证明该策略能够提高集群的负载均衡程度、从而更有效地利用资源。（3）基于以上两种策略,本文搭建了一个基于Kubernetes的深度学习平台。该平台底层聚合资源、向上实现开放共享,不仅为深度学习的研究人员提供便捷的模型训练及数据存储的功能,也为资源的管理人员提供了简易的资源分配及用户管理的机制。最后,本文对平台的主要功能进行了测试,证明了平台的可用性与实用性。本文构建了具备高可用性的深度学习平台,实现了数据存储、模型训练及资源共享。该平台能有效聚合底层计算及存储资源,实现了资源互通和深度利用;也为深度学习的研究人员减少了学习研发成本,降低了人工智能研究的门槛;同时实现了模型算法等资源的共享,进一步提升产学研主体智能化、信息化水平。