随着GPU在大规模深度学习场景中的广泛应用,GPU集群中多个深度学习作业的高效执行问题引起了极大的关注。深度学习云平台整合多个GPU计算资源,能够实现大规模深度学习作业的高效处理。然而,基于Kubernetes的深度学习云平台GPU调度方法将GPU作为最小资源分配单位完整分配给容器,会导致GPU资源没有得到充分的利用。同时,多个深度学习任务共同执行时,不合理的任务并行化策略会导致任务间的资源竞争;另一方面,对于需要多个GPU的深度学习训练任务,不合理的任务并行化策略会增加深度学习任务间的通信代价,导致任务在处理过程中执行时间过长。首先,本文深入分析了 Kubernetes容器集群管理平台资源调度策略,提出了一种细粒度的GPU调度优化策略,该策略综合考虑深度学习作业的GPU资源需求和集群中各节点GPU资源的使用情况,避免将资源需求相似的作业调度到同一个节点上,从而实现云平台节点上多维资源的均衡使用。其次,本文提出了一种干扰感知的性能预测模型,该模型可以预测GPU上多个共同执行的深度学习任务之间的资源竞争对其性能的影响,并基于该预测模型提出了一种干扰-拓扑感知的深度学习任务并行化方法,该方法针对深度学习任务的特征,综合考虑任务共同执行时产生的干扰和任务在多个GPU训练时的通信代价,将深度学习任务调度到适当的GPU上。最后,本文使用Docker容器技术实现了大规模深度学习作业镜像,在深度学习云平台中对以上提出的GPU调度优化策略和深度学习任务并行化方法进行了验证,实验结果表明本文提出的方法能够有效地提高平台中GPU资源的利用率和深度学习任务的执行效率。