阿里云郑晓：浅谈GPU虚拟化技术（第三章）
本系列文章推送门：
阿里云郑晓：浅谈GPU虚拟化技术（第一章） GPU虚拟化发展史 阿里云郑晓：浅谈GPU虚拟化技术（第二章）GPU虚拟化方案之——GPU直通模式
今天一个小伙伴@我说：“你浅谈一下，没点技术背景的，估计都看不懂…”，醍醐灌顶啊，面向公众的文章不是学术论文，应以普及基本概念为主。
大规模深度学习优化技术在PAI平台中的应用及实践
工业界和学术界也先后推出了用于Deep Learning建模用途的多种开源工具和框架，这里详细解读下阿里云推出的PAI(Platform of Artificial Intelligence)。其致力于通过系统与算法协同优化的方式，来有效解决Deep Learning训练工具的使用效率问题，目前PAI集成了TensorFlow、Caffe、MXNet这三款流行的Deep Learning框架，并针对这几款框架做了定制化的性能优化支持，以求更好的解决用户建模的效率问题。
Skia深入分析8——Skia的GPU绘图
Skia的GPU绘图
一、Skia-GPU概述
在Android4.2到Android5.0的过程中，skia中开发较频繁的部分莫过于GPU加速部分和延迟渲染机制，尽管目前来看几乎没有用到，但后续很可能会在Frameworks层引入。
在Android上面，只可能使用OpenGL，因此作为使用OpenGL的绘图引擎，关注如下要点即可：
1、OpenGL上下文如何建
云上快速搭建Serverless AI实验室
Serverless Kubernetes和ACK虚拟节点都已基于ECI提供GPU容器实例功能，让用户在云上低成本快速搭建serverless AI实验室，用户无需维护服务器和GPU基础运行环境，极大降低AI平台运维的负担，显著提升整体计算效率。
深度学习模型训练痛点及解决方法
## 1 模型训练基本步骤
进入了AI领域，学习了手写字识别等几个demo后，就会发现深度学习模型训练是十分关键和有挑战性的。选定了网络结构后，深度学习训练过程基本大同小异，一般分为如下几个步骤
1. 定义算法公式，也就是神经网络的前向算法。我们一般使用现成的网络，如inceptionV4，mobilenet等。
2. 定义loss，选择优化器，来让loss最小
3. 对数据进行迭
