在近日举行的“OSCAR云计算开源产业大会”上，国内领先中立云计算服务商UCloud荣获可信云“GPU云主机服务（增强级）认证”。并在同期举行的“2018首届MAXP中国高性能云计算创新大赛”中，UCloud的G2机型GPU凭借更优的处理性能、灵活的配置以及便捷的管理等优势，摘得“MAXP-最佳性能奖”。

同时斩获两项大奖，不仅代表了业界对UCloud产品与技术的高度认可，而且也再一次凸显了UCloud在技术创新方面的稳步提升。下面就一起来探究这些产品背后的技术细节。

高配高性能GPU云主机

人工智能（AI）引发了新一轮技术变革，而计算力是其发展最重要的基本要素之一，GPU则为AI计算提供了显著的加速能力。目前，市场主流的GPU计算卡主要是NVidia的Tesla K、M和P系列，预计V系列在不久的将来也会大规模投入市场。
此次代表UCloud出赛的正是G2型GPU云主机，搭载最新锐P40 GPU，外加Intel v4高端CPU以及大容量高性能SSD硬盘，为AI计算提供超速的计算力。根据《可信云云服务基准性能评估方法第15部分：GPU云主机》标准，将GPU性能进行等级评估，分为基础级和增强级，其中增强级为最高等级。凭借顶级硬件和系统优化，G2机型夺得增强型认证。
实际上，除P40外，UCloud亦使用K80等多种规格的GPU，并同时支持GPU物理机和GPU云主机模式，为行业用户提供足够强劲和灵活的计算资源选择方案。

完备的训练模型支持

GPU性能的官方指标主要是单精度和双精度计算值，但用户在实际进行机器学习训练时，更加关注模型训练的时间和效率。因此，贴合用户实际出发，才更能准确地鉴别GPU对人工智能的加速能力。
认证中采用了国际上具有代表性的几个训练模型，主要包括AlexNet模型、Cifar10模型、MNist模型、ResNet模型等。这些模型配合数据集做训练，运行结果保存后，去除首末端噪点数据，再对数据进行去除坏值，求最大、最小值、平均值、中位数、方差等处理，最终得到切实可信的评估值。
结果证明，G2云主机能稳定应对多种差异化的模型，达到完备可靠的加速效果。具体模型介绍如下：
◆ AlexNet模型
是Alex和Hinton参加ILSVRC2012比赛的卷积网络模型，网络结构是开启更深CNN的开山之作，在对CNN作出一些改进后，成为CNN网络通用的结构。
◆ Cifar10模型
是典型的卷积神经网络结构，包含卷积层、池化层、修正线性单元以及最顶层带有分类器的归一化采样层。
◆ Mnist模型
是一个入门级的计算机视觉数据集，包含各种手写数字图片以及60000行的训练数据集（mnist.train）与10000行的测试数据集（mnist.test）。
◆ ResNet模型
是一个深度残差网络。该网络对residual block和shortcut connection的引入，使网络能够达到更高的层数并且不会发生网络退化现象。ResNet是由KaiMing He在2015年发表，并基于该模型获得了当年ImageNet detection、ImageNet localization、COCO detection等多个比赛的冠军。
上述千差万别的模型，不仅为人工智能万紫千红的应用提供了理论支持，也是MAXP中国高性能云计算创新大赛中，各科研院所参赛队伍思维创新的基石。UCloud正是凭借此类理论基础及技术基石，再加上强大的技术团队及多年行业经验积累，荣获此次“GPU云主机（增强级）认证”和“MAXP-最佳性能奖”两项大奖。

UCloud云平台还能做更多

UCloud云平台除提供GPU云主机这类IaaS资源，还提供完整的“文曲-人工智能”解决方案。该解决方案不仅提供超高性价比的GPU计算资源，同时UAI PaaS类产品还提供一站式人工智能任务托管服务，包括AI在线服务UAI-Inference、AI训练服务UAI-Train、AI实验室Vitality等一系列IaaS/PaaS产品和服务，自动实现系统容灾、资源调度、负载均衡、容量管理等。
如果AI创新是基于AI平台而非GPU云主机进行，那么用户会省去搭建GPU驱动、CUDA等环境的工作量，也无需在配置TensorFlow等学习库时费神考量CUDA、CUDNN等版本兼容性。
基于文曲解决方案，用户的上述需求都可以通过容器镜像的快捷部署完成。平台通过综合负载监控系统来检测AI在线业务计算集群的负载情况，并根据实际负载触发扩容和缩容请求。未来，UCloud的AI平台将不断往智能化、便捷化方向演进，帮助用户实现应用快速落地。