伴随着人工智能、机器学习、深度学习等技术的火热，GPU近年来也得到了快速的发展。GPU可以大大加快深度学习任务的运行速度。而像Tensflow这样的框架的出现和应用更是离不开对GPU资源的依赖。同时，GPU资源又是十分昂贵的，需要尽可能提高GPU资源的利用率。为了解决上述问题，我们利用Kubernetes将GPU资源聚合成资源池来实现统一管理，并借用Docker交付深度学习的运行时环境。当前kubernetes中还只支持NvidiaGPU。所以，本文以NvidiaGPU来进行说明。docker本

Microsoft Rocket视频分析平台 高度可扩展的软件堆栈，使每个人都可以使用最先进的机器学习算法构建实用的现实世界实时视频分析应用程序，以进行对象检测以及计数/报警。 该存储库具有混合边缘云视频分析管道（基于C＃.NET Core构建），该管道允许TensorFlow DNN模型插件， GPU / FPGA加速， docker容器化/ Kubernetes编排以及交互式查询以进行事后分析。 可以在内部找到Rocket平台的简要摘要 :memo: 。 随时查看我们的 :memo: 从

伴随着人工智能、机器学习、深度学习等技术的火热，GPU近年来也得到了快速的发展。GPU 可以大大加快深度学习任务的运行速度。而像Tensflow这样的框架的出现和应用更是离不开对GPU资源的依赖。同时，GPU资源又是十分昂贵的，需要尽可能提高 GPU资源的利用率。为了解决上述问题，我们利用Kubernetes将GPU资源聚合成资源池来实现统一管理，并借用 Docker交付深度学习的运行时环境。当前k