解决方案介绍
深度卷积神经网络（CNN）算法是深度学习领域普遍采用的神经网络构建模型，Caffe是目前最快的CNN架构。Caffe计算框架正是切中当下深度学习的迫切需求，它采用MPI技术对Caffe版本进行数据并行优化，该框架基于伯克利caffe架构进行开发，完全保留原始caffe架构的特性。即：纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口等多种编程方式，具备上手快、速度快、模块化、开放性等众多特性，为用户提供了最佳的应用体验。另外，鉴于众多用户基于CPU进行深度学习应用研究的现实，我们还可提供C-G算法迁移增值服务，针对用户目前的深度学习算法，做硬件适配性算法迁移和升级优化，帮助用户做到算法的更快，更好。硬件架构：IB网络+GPU集群+Lustre并行存储。
深度卷积神经网络（CNN）算法是深度学习领域普遍采用的神经网络构建模型，Caffe是目前最快的CNN架构。Caffe计算框架正是切中当下深度学习的迫切需求，它采用MPI技术对Caffe版本进行数据并行优化，该框架基于伯克利caffe架构进行开发，完全保留原始caffe架构的特性。即：纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口等多种编程方式，具备上手快、速度快、模块化、开放性等众多特性，为用户提供了最佳的应用体验。另外，鉴于众多用户基于CPU进行深度学习应用研究的现实，我们还可提供C-G算法迁移增值服务，针对用户目前的深度学习算法，做硬件适配性算法迁移和升级优化，帮助用户做到算法的更快，更好。硬件架构：IB网络+GPU集群+Lustre并行存储。
以铠沙AM4280&AM5468为代表的GPU服务器的产品，在同CPU计算力下， GPU配置数量比业内平均水平高出50%，且最高支持的单卡计算能力比业内主流水准高50%,根据深度学习多并行，高I/O需求，设计出Lustre分布式并行存储系统和56Gb/s InfiniBand网络架构的横向扩展的GPU主从硬件集群架构，实现了跨多节点的数据并行计算，该架构兼顾计算密集型，IO密集型等计算模型硬件需求特点，同时支持Pascal GPU，最大可实现超100个GPU卡并行计算。
客户收益
企业通过图像识别技术，建立物体、场景、人脸、着装、文档图片、视频内容等识别&搜索综合系统，通过多维度解读图片内容，挖掘数据价值，使产品运营团队更好地描绘用户画像，帮助企业实现更精准的营销推送，内容审核，大数据挖掘。
广泛应用于各类电商平台，视频直播平台，在线教育平台，大幅度提升产品&内容运营团队效率。在无人驾驶，家庭机器人，无人机，现实增强等前沿应用上提供嵌入式智能后台，以更加智能化的数据利用方式，增加用户粘度，扩展应用维度，激发更具想象力的用户体验。