深度学习框架：TensorFlow、Caffe、Torch、Theano，etc.
深度学习库：MLPython、cuDDN、DIGITS、Caffe on Spark，etc.
UltraLAB图灵图形工作站
深度学习的概念源于人工神经网络的研究，其本质就是多层神经网络，我们在计算机上搭建一个很多层的神经网络，只需要制定多少层，并不需要给定具体的参数，计算机通过计算大数据来自动学习最终的网络参数，不一样的网络参数能够识别不同的物体。然后这个训练好的网络就可以自动识别物体了。
深度学习算法采用预训练（Pre-training）+细调（Fine tune）来训练神经网络，逐层进行训练。深度学习包括两个阶段训练（training）预测（Inference/Evaluation）。深度学习常用的模型：卷积神经网络CNN、递归神经网络RNN、循环神经网络、深度神经网络DNN、自动编码器、稀疏自编码、限制波尔兹曼机等。END
人工智能是指让机器去认知、认识世界。这个过程毋庸置疑需要一定的算法放在计算机上来实现。最初的人工智能还是通过研究人员通过模仿人类来制定特定的认知和推理过程，21世纪出现了大数据，海量数据，结构复杂，种类繁多，然后人类定义的过程就不好使了。于是人们期待于希望机器自己能够从数据中学习，这就是深度学习了。深度神经网络的出现得益于大数据，因为数据量够大，计算机够强大，机器本身才能学习出各种复杂的特征。未来5~10年，深度学习将向更多行业渗透，特别是数据密集型行业。END
UltraLAB GX480
处理器规格 CPU类型 单路 Broadwell、Xeon E5v4处理器CPU标配 Intel Broadwell处理器CPU总核数/频率/缓存 6核 4.5Ghz，15MBCPU双精度浮点 432Gflops内存规格 内存标配容量 64GB(4*16GB DDR4 2400 Reg ECC）CPU-内存通道数 4最大容量 128GB图形处理器 多卡技术 可选7块(单槽)或4块(双槽)图卡/GPU计算卡架构图卡标配 4*Nvidia GTX 1080流处理器核数 4*2560图卡显存 4* 8GB显示输口 4*(DVI+HDMI+3*DP)接口 PCIE16x 3.0图形运算性能指标 像素填充率4*102.8GP/s，显存带宽4*320GB/sGPU超算性能指标 32.9Tflops(单精度)，1.37Tflops(双精度) ，CUDA,Direcompute,Open GL存储规格 硬盘位 20x 3.5'热插拔 ，4*5.25'系统盘标配 512GB M.2 Pcie 4X缓存 512MB接口 PCIE 4x 3.0性能指标 峰值读写带宽2.5GB/S、1.5GB/s，IOPS8万次超级盘标配 16TB SATA企业级, 最大56TB性能指标 读写带宽226MB/s网络端口双intel千兆/万兆以太芯片，支持IO/AT加速,支持汇聚功能END
深度学习工作站需要超强的浮点计算性能，支持多GPU/Xeon Phi
高速低延迟的交换网络
大容量的文件存储系统
不同的框架支持不同的GPU数量