随着人工智能等新兴技术的快速发展,大量企业和高校在深度学习上加大投入,越来越多的非专业用户也有了应用深度学习方法的意愿,为这些非专业的用户降低应用深度学习技术的门槛成为了迫切的需求。本着为非专业用户提供应用深度学习技术的便利目标,本文基于Kubernetes搭建了深度学习任务管理平台,主要从集群计算资源的管理调度、集群的系统监控、深度学习的模型设计这三个方面来简化用户的操作。(1)在资源管理调度方面,本文扩展了Kubernetes默认的调度算法,实现了结合集群中用户优先级与其使用计算资源的历史状况来动态的调整用户任务的优先级的方案。合理的为集群中用户的任务分配计算资源,解决用户任务可能因为优先级低而无法获得调度的问题,保证集群中用户的公平性。实验证明,用户任务的优先级能够按照设计随着用户所使用计算资源的历史时长动态改变。(2)在集群监控方面,本文使用Exporter,Prometheus,Grafana三者结合完成集群监控系统的实现。收集集群中的资源消耗情况,将相关资源(CPU、内存、网络等)的信息以可视化的形式展现出来,通过集群监控,及时发现集群中的问题以及资源的瓶颈所在。(3)在模型设计方面,本文搭建了一个适用于深度学习的任务管理平台,通过Web界面来搭建深度学习模型。该平台前端需要设计页面功能的划分、实现相应模块的拖动和连接、对任务训练进度的实时展示、对数据结果的可视化等等。而其后端需要配合前端传递的数据实现相应的功能,设计数据库结构、图模型的表示、图模型的检验、图模型到框架的翻译等等。通过前后端功能的交互,平台实现了深度学习任务的创建、训练、模型测试、结果可视化等功能,简化了非专业用户搭建深度学习模型的方式。最终将应用程序封装在Docker中,并且以Pod的形式部署在Kubernetes的集群,通过Kubernetes进行管理和调度。为了确认设计功能被正确实现,我们对计算集群进行了部署测试,首先搭建了Kubernetes集群,并且对本文改进的调度策略进行验证分析,从结果表明改进后的调度策略提高了可用性,能够通过使用计算资源的历史时长来动态调整用户任务的优先级。通过对集群的监控,可以直观的了解集群中的资源使用情况。最终,将搭建的深度学习任务管理平台部署在集群中,通过Kubernetes进行调度和管理,用户通过该平台可以迅速搭建深度学习模型,为非专业人士应用深度学习提供了便利,提高生产效率。