自 QingCloud DeepLearning 推出以來，吸引了很多用戶。深度學習框架本身都在比較快的更新，例如 TensorFlow 基本每個月都會有版本更新。除了深度學習框架自身的版本及其 CPU/GPU 版的區分外，CUDA 及 cuDNN 也區分不同版本，再加上 Python 的不同版本，使得配置深度學習開發及部署環境異常復雜。

為了解決上述問題并滿足用戶以后在 Kubernetes 上運行深度學習應用的需求，青云QingCloud 推出 DeepLearning 深度學習平臺容器版，并為非容器版提供了更多版本框架的安裝包。CPU 在深度學習任務中也能發揮重要作用，聯合英特爾發布的 CPU 優化版，為一些深度學習應用的長期部署提供了價廉物美的解決方案。據測試，英特爾優化版的 TensorFlow，在 16 核 Broadwell 平臺上，ResNet 50 的推理速度可達 40 imgs/s，能夠滿足輕量級模型的訓練和推理需求。

 GPU 是深度學習的重要資源，之前版本只能監控到 CPU 和內存的狀態，用戶運行 GPU 任務時，無法方便查看 GPU 的使用狀態，新版本中 GPU 狀態（核心和顯存使用狀況）可以在監控界面直接查看。此次更新包含以下版本功能升級：立即使用→

1.2 GPU 容器基礎版/容器高級版

• 宿主機中預裝 NVIDIA Driver(387.26), CUDA(9.1), nvidia-docker2, Docker(18.03.1-ce)；
• 宿主機中預置包含 TensorFlow(1.8.0), Keras(2.2.0), PyTorch(0.4.1), Caffe(BVLC 1.0) 框架的 Docker 鏡像；
• 提供適用于青云云平臺的5個深度學習框架的鏡像倉庫:DeepLearning, TensorFlow, Keras, PyTorch, Caffe; 每個倉庫包含多個不同 Python 版本，不同 CUDA 及 cuDNN 版本的 docker 鏡像；
• 增加 GPU 監控功能，隨時掌握 GPU 使用狀況；
• 內置 GPU 容器版的 Deep Learning 測試Demo；

1.2 CPU 容器版

• 宿主機中預裝 Docker(18.03.1-ce)；
• 宿主機中預置包含 TensorFlow(1.8.0), Keras(2.2.0), PyTorch(0.4.1), Caffe(BVLC 1.0) 框架的 Docker 鏡像；
• 提供適用于青云云平臺的5個深度學習框架的鏡像倉庫:DeepLearning, TensorFlow, Keras, PyTorch, Caffe; 每個倉庫包含多個不同 Python 版本，不同 CUDA 及 cuDNN 版本的 docker 鏡像；
• 內置 CPU 容器版的 Deep Learning 測試Demo；