即使是有经验的深度学习开发者，想部署构建一套深度学习开发环境也需要大量时间完成复杂的配置工作。Deep Learning on QingCloud 通过 AppCenter 交付，可一键完成云端部署，并提供应用全生命周期管理能力（创建、扩容、监控、健康监测等），助力开发者极速搭建深度学习开发环境。
即使是有经验的深度学习开发者，想部署构建一套深度学习开发环境也需要大量时间完成复杂的配置工作。Deep Learning on QingCloud 通过 AppCenter 交付，可一键完成云端部署，并提供应用全生命周期管理能力（创建、扩容、监控、健康监测等），助力开发者极速搭建深度学习开发环境。
支持使用 GPU 或仅使用 CPU 进行深度学习开发与训练，同时可根据自身需求选择单节点或分布式部署模式。
| 使用 GPU | 仅使用 CPU |
 QingCloud 采用专为人工智能计算设计的 AMD / NVIDIA GPU ，并以直通的方式与平台内的节点对接，使得节点可以独占整个 GPU ，避免了虚拟化带来的损耗，全面释放 GPU 计算能力。 |
 GPU 性能虽然强劲，但费用也相对较高，如果开发者希望以较低成本进行深度学习开发，也可选择仅使用 CPU资源进行单节点或分布式训练。目前，Tensorflow、PyTorch 及 Keras支持使用 CPU 进行深度学习应用训练和测试， Caffe 需要重新编译才支持。 |
集成对象存储命令行工具，通过配置对象存储相关参数，可便捷地从对象存储中获取海量训练数据，完成模型的训练。
集成 Caffe、TensorFlow、PyTorch 和 Keras 等主流深度学习框架和 Jupyter notebook 前端开发环境，助力用户快速部署深度学习开发环境。
为加速深度学习开发与模型训练，Deep Learning on QingCloud 预置 CUDA8.0 和 cuDNN5 驱动，并安装有 numpy、scipy、pandas、matplotlib、nltk、scikit-learn 等众多数据科学工具包。
支持按需付费、包月、包年计费模式，为用户提供更加全面和灵活的成本管理支持。在离线训练、临时测试、算法验证以及 AI 框架学习等场景中较适于按需付费模式，而在生产环境稳定训练需求和在线训练等场景中使用包月、包年模式成本更低。
青云QingCloud 深度学习平台全新升级，推出入门版、基础版、企业版三种版本，可应对不同场景对深度学习的需求。
搭载第二代英特尔®至强®可扩展处理器，通过 DL Boosting 的 VNNI 技术及 Intel 优化的深度学习框架( TensorFlow、Caffe、PyTorch 等)，在图像分类、图像目标检测、自然语言处理、推荐系统及强化学习等深度学习的性能大幅提升。
入门版预装英特尔针对 CPU 优化过的 Caffe ( Intel 1.1 ) 、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 )、PyTorch ( 1.1.0 ) 最新深度学习框架。
搭载 AMD GPU，在提供云主机灵活性的同时，提供优秀的性能体验和超高的性价比，在深度学习训练、推理等方面都能表现出优秀的计算优势。AMD GPU 对主流深度学习框架的支持给用户提供了更具性价比的选择。
AMD GPU 目前支持的深度学习框架有 TensorFlow , Pytorch , Caffe , 并将支持 MXNet。基础版预装了 TensorFlow 1.14.0、Keras 2.2.4，PyTorch 1.2.0 最新深度学习框架。
搭载 NVIDIA GPU，在提供云主机弹性特性的同时，提供优异的性能体验，能够为用户提供超高的计算能力，在深度学习训练、推理等方面都能表现出强大的计算优势。
企业版预装 Caffe ( BVLC 1.0 )、TensorFlow ( 1.12.0 )、Keras ( 2.2.4 ) 、PyTorch ( 1.1.0 ) 最新深度学习框架。
互联网时代带来了爆炸式增长的数据量，面对海量的图像、语音和文本数据，训练模型需要性能极高的计算速度，青云 QingCloud 深度学习平台可以提供优异的计算性能，全力加速深度学习领域人工智能产品的开发。
图像、语音和文本等数据源通过上传至海量数据存储服务 QingStor™ 对象存储进行持久化存储，同时也可直接通过云端 Kafka 将数据源传输到 Storm、Spark 等集群进行数据预处理，生成样本数据。经过 QingCloud 深度学习平台进行模型训练与验证，并根据最新样本数据不断更新模型。
训练好的模型即可用于图像、语音的智能识别以及自然语言理解等 AI 服务，可广泛应用于安全、电商、智能交通等领域。
请选择区域
