郝晓培，单杏花，李 永，王炜炜

（1. 中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2. 北京经纬信息技术有限公司，北京 100081）

随着人工智能及铁路信息技术的快速发展，深度学习在铁路客运营销中得到了广泛的应用，为铁路客运流量预测，客运广告推荐，12306互联网售票系统异常用户识别等提供了大量的解决方案以及业务指导[1]。

理想的深度学习训练模型需要综合考虑训练数据的选择及处理，模型算法选择、参数的调试、训练资源分配、模型训练速度等诸多问题。算法工程师需要花费大量的时间进行深度学习集群部署（扩容）、框架安装及硬件资源的分配等繁杂的工作，严重影响了铁路客运营销深度学习模型训练结果的效率及准确性，亟需研究新方案提高深度学习模型开发的效率及硬件资源的利用率。

目前，国内外在深度学习及容器云计算方面得到了广泛的应用，翁湦元等人成功地将铁旅App迁移到Kubernetes云平台，有效提高了研发效率并降低了运维成本[2]；Google推出支持分布式训练的TensorFlow深度学习框架有效的提高了单机深度学习模型的训练效率等[3]，在学术界以及工业界取得了重大的成果，已经成为各科技公司主流研发方向。本文在前人研究的基础上结合铁路客运营销[4]深度学习平台的需求及特点，将容器云技术与深度学习相结合进行部署，实现了平台资源隔离，动态部署，模型统一化管理等功能，提高了平台的资源利用率，降低深度学习模型的开发周期。……