[发明专利]一种深度学习环境搭建方法、装置及服务器

权利要求书

1.一种深度学习环境搭建方法，其特征在于，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。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求1所述的方法，其特征在于，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。

4.根据权利要求1至3任一项所述的方法，其特征在于，

所述根据所述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，包括：

针对每一计算服务器，确定该计算服务器的当前可用资源的资源信息；

从各个计算服务器中，确定所述当前可用资源满足所述目标资源信息的计算服务器；

针对所确定的每一计算服务器，获取该计算服务器对应的资源评价维度信息，根据所述获取的资源评价维度信息以及预先设定的所述维度信息对应的权重系数，为该计算服务器进行打分，得到打分结果；

将打分结果中最高或最低分数对应的计算服务器，确定为目标计算服务器。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述根据所述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，包括：

针对每一计算服务器，确定该计算服务器的当前可用资源；

从各个计算服务器中，确定所述当前可用资源满足所述目标资源信息的计算服务器；

按照预定的标识信息排序规则，将所确定的计算服务器对应的标识信息进行排序，得到目标序列；

将目标序列中预定位置的标识信息所对应的计算服务器，确定为目标计算服务器。

6.根据权利要求1至3任一项所述的方法，其特征在于，所述资源信息包括：CPU占用率、GPU占用率、显存大小、内存大小、网络带宽中的至少一种。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述接收的和发送给目标计算服务器的深度学习环境搭建请求中还包括存储平台的路径信息，以使所述目标计算服务器根据所述路径信息，建立所述容器与所述存储平台的映射关系。

8.一种深度学习环境搭建方法，其特征在于，应用于计算服务器，所述方法包括：

接收管理服务器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；

根据所述目标深度学习框架的标识信息，以及预先设定的深度学习框架与容器引擎docker镜像的对应关系，确定与所述目标深度学习框架的标识信息对应的docker镜像的目标名称；

从docker镜像仓库中，获取名称为所述目标名称的目标docker镜像；

根据所述目标docker镜像，创建docker容器，从而形成所述目标深度学习环境，以便通过docker容器，基于所述目标深度学习框架训练深度学习模型。