Kubeflow实战系列：阿里云上使用JupyterHub
介绍
本系列将介绍如何在阿里云容器服务上运行Kubeflow, 本文介绍如何使用Jupyter Hub。
背景介绍
时间过得真快，李世乭和AlphaGo的人机对弈已经是两年前的事情。在过去的两年中，人工智能开始从学术界向工业界转型，基于人工智能技术的产品化落地和工业界方案的探索正如火如荼的进行。
阿里开源！轻量级深度学习端侧推理引擎 MNN
阿里妹导读：近日，阿里正式开源轻量级深度学习端侧推理引擎“MNN”。
AI科学家贾扬清如此评价道：“与 Tensorflow、Caffe2 等同时覆盖训练和推理的通用框架相比，MNN 更注重在推理时的加速和优化，解决在模型部署的阶段的效率问题，从而在移动端更高效地实现模型背后的业务。
浅析GPU通信技术（上）-GPUDirect P2P
1. 背景
GPU在高性能计算和深度学习加速中扮演着非常重要的角色， GPU的强大的并行计算能力，大大提升了运算性能。随着运算数据量的不断攀升，GPU间需要大量的交换数据，GPU通信性能成为了非常重要的指标。
TensorFlow中的那些高级API
在这篇文章中，我们将看到一个使用了最新高级构件的例子，包括Estimator（估算器）、Experiment（实验）和Dataset（数据集）。值得注意的是，你可以独立地使用Experiment和Dataset。不妨进来看看作者是如何玩转这些高级API的。
Kubeflow 使用指南
Kubeflow（https://github.com/kubeflow）是基于Kubernetes（https://kubernets.io，容器编排与管理服务软件）和TensorFlow(https://tensorflow.org，深度学习库)的机器学习流程工具，使用Ksonnet进行应用包的管理。
如何快速在阿里云上构建自己的机器学习应用
在2017云栖大会深圳峰会开源专场上，阿里云容器服务技术专家车漾做了题为《在阿里云上构建机器学习应用》的精彩演讲，车漾首先从2016年深度学习最火的两个应用AlphaGo与Prisma谈起，从宏观层面分享了机器学习以及深度学习所做的事情，并就Prisma的发展故事谈起，为大家介绍了应该学会以工程思想思考和解决问题，并着重介绍了阿里云基于容器服务的机器学习解决方案架构设计以及如何借助阿里云快速搭建自己的机器学习应用，精彩不容错过。
