[发明专利]一种深度学习环境搭建方法、装置及服务器

说明书

本发明实施例提供了一种深度学习环境搭建方法、装置及服务器，该方法应用于管理服务器，该方法包括：接收终端发送的深度学习环境搭建请求，深度学习环境搭建请求中携带有目标深度学习框架的标识信息；确定搭建目标深度学习环境所需的目标资源信息；根据目标深度学习环境所需的目标资源信息，为目标深度学习环境分配目标计算服务器；向目标计算服务器发送深度学习环境搭建请求，以使目标计算服务器根据标识信息创建目标深度学习框架对应的容器，从而形成目标深度学习环境。通过本发明实施例提供的方案，可以实现不同深度学习框架依赖的隔离，有效提高资源利用率。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种深度学习环境搭建方法、装置及服务器。

背景技术

深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

深度学习框架有多种，例如，深度学习框架可以为caffe，tensorflow，pytorch，mxnet等。不同的深度学习框架依赖不同的深度学习环境，具体的，基于不同的深度学习框架训练深度学习模型，所需要的依赖包不同，该依赖包可以包括若干库，例如函数库，以及操作系统等，即不同的深度学习框架对应不同的依赖包。

相关技术中，对于一台物理机而言，如果基于一种深度学习框架来训练深度学习模型，则需要将这种深度学习框架对应的依赖包下载到该台物理机；如果基于另一种深度学习框架来训练深度学习模型，需要将这种深度学习框架对应的依赖包也下载到该台物理机；由于这两种不同的深度学习框架，所对应的依赖包不同，因此，该台物理机可能存在对这两种深度学习框架所对应的依赖包不兼容的问题，即存在这两种深度学习框架所对应的依赖包互相冲突的问题，从而导致该台物理机不能分别基于这两种不同的深度学习框架，来训练深度学习模型，尤其是针对包括有多台物理机的集群系统而言，资源利用率较低。

发明内容

本发明实施例的目的在于提供一种深度学习环境搭建方法、装置及服务器，能够实现对不同深度学习框架所对应的依赖包进行隔离，解决了不同深度学习框架所对应的依赖包互相冲突的问题，有效提升集群系统的资源利用率。

具体技术方案如下：

第一方面，本发明实施了提供了一种深度学习环境搭建方法，应用于管理服务器，所述方法包括：

接收终端发送的深度学习环境搭建请求，所述深度学习环境搭建请求中携带有目标深度学习框架的标识信息；

确定搭建所述目标深度学习环境所需的目标资源信息；

根据所述目标深度学习环境所需的目标资源信息，为所述目标深度学习环境分配目标计算服务器；

向所述目标计算服务器发送深度学习环境搭建请求，以使所述目标计算服务器根据所述标识信息创建所述目标深度学习框架对应的容器，从而形成所述目标深度学习环境。

可选的，所述接收终端发送的深度学习环境搭建请求，包括：

接收用户通过终端提供的web页面发送的深度学习环境搭建请求。

可选的，所述确定搭建所述目标深度学习环境所需的目标资源信息，包括：

根据所述目标深度学习框架的标识信息，以及预先存储的深度学习框架的标识信息和资源信息的对应关系，确定搭建所述目标深度学习环境所需的目标资源信息；

或者，所述终端发送的深度学习环境搭建请求中携带有搭建所述目标深度学习环境所需的资源信息；所述确定搭建所述目标深度学习环境所需的目标资源信息，包括：

获取所述深度学习环境搭建请求中携带的搭建所述目标深度学习环境所需的资源信息。