“kubernetes容器+GPU并行编程”研讨会

前言

随着人工智能AI、大数据Big Data、云计算Cloud Computing等计算机科学技术的发展和应用的普及，深度学习DL和人工智能AI成为当下最炙手可热的技术趋势，将成为技术行业基础设施的核心组成部分。GPU的价值不止体现在深度学习，在高性能计算、物联网、人工智能、生物信息、分子模拟、计算化学、材料力学、系统仿真、流体力学、机械设计、生物制药、航空动力、地质勘探、气候模拟等领域，算法越来越复杂，需要处理的海量数据越来越巨大，高性能计算能力就显得尤为重要。如今，乎所有的深度学习(机器学习)研究者都在使用GPU进行相关的研究，NVIDIA针对深度学习的计算，有一套完整的解决方案，cuDNN已经成为主流深度学习框架调用的深度学习GPU函数库，包含完整的矩阵乘法和卷积计算的实现。
Docker 是一个新兴开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何 Linux 机器上。Docker容器轻量化的机制和运行模式可广泛的应用到高性能，深度学习等计算密集型应用中，随着云计算的普及以及对高性能、深度学习等相关技术的快速发展，使得云计算人才供不应求，所以一些大型企业对Docker专业技术人才需求较大。同时，kubernetes作为Docker容器的管理平台，已经成为容器编排领域的事实标准，通过kubernetes技术可实现容器的有效管理，资源的合理分配，任务的高效调度等，为上层应用提供强有力的支撑。国内外越来越多的企业都已经在生产环境中基于Kubernetes构建自己的私有云，并且收效颇丰。
GPU高性能计算和容器编排已成为AI重要支撑技术，因此我单位举办“kubernetes容器+GPU并行编程实践研讨会”，本次培训班由权威师资主讲。