随着人工智能技术蓬勃发展,新兴科学技术已经渗透到新时代人类的日常生活和国家发展,人民切实感受到了科技带来的力量。深度学习作为人工智能强有力的助推器,在科技发展中显得尤为重要。就目前国内计算机科学行业形势来看,我国在人工智能领域的建树与欧美发达国家相比仍有很大差距,缺少核心技术,仍处于追赶期。发展受阻的因素有很多,比如计算资源维护成本高昂,行业门槛相对较高,以及人才匮乏等,这些都是阻碍人工智能在中国发展的绊脚石。为尽可能从技术和成本上降低人工智能的门槛,提升国内中小企业以及个人开发者的效率,本文利用容器技术、容器编排技术、以及如Tensorflow、Caffe、Pytorch等用于机器学习、深度学习的框架,来打造一个稳定、易用、易扩展的深度学习平台。平台提供模型开发,模型训练,模型服务三大功能,可以实现秒级创建任务开发环境,一键运行模型训练批处理任务和一键发布模型服务。同时平台提供GPU分时复用、任务管理、分布式存储、以及任务监控与报警。此外,平台提供多种计算资源选择,可以自由控制所用资源多少,是一个完备的深度学习平台。本人参与了深度学习平台的开发全过程,具体内容如下:(1)协助产品经理完成平台用户需求分析整理,精简出最关键的需求;(2)与架构师一起对平台进行总体设计,并对部分关键组件提前调研;(3)实现镜像仓库的搭建、维护,以及镜像编制;(4)完成调度系统Minion-proxy以及状态机的的设计与实现;(5)完成存储系统与平台的对接;(6)完成三种模型任务的实现。当前系统已经正式发布商用,已有超过500位用户。平台简单易用,使用户告别了复杂的环境配置,提高了资源利用率,大大降低了开发成本。平台还有完备的技术手册和各阶段实例,极大地方便了用户的使用。