【IT168 评论】2018年7月，阿里云向开源社区引入了深度学习工具Arena。现在，数据科学家可以在云上运行深度学习，而无需学习底层IT资源的使用。他们可以在一分钟之内启动深度学习任务，并在十五分钟内创建异构计算集群。

　　为什么创建Arena

　　如今，KubeFlow是Kubernetes社区中最流行的深度学习解决方案，那么Arena是不是又重新造了轮子?KubeFlow是一种基于Kubernetes的可组合，便携，可扩展的机器学习技术堆栈。它是一个端到端的解决方案，支持实现从Jupyter Hub模型开发，TFJob模型训练到TF-serving，以及Seldon预测。但是，KubeFlow需要用户掌握Kubernetes。例如，编写yaml文件来部署TFJob，这对于机器学习平台的主要用户——数据科学家来说是非常具有挑战性的。

　　这些任务与数据科学家的期望背道而驰，数据科学家只关心三件事：

• 　　数据来自哪里。

• 　　如何运行机器学习代码。

• 　　如何检查训练结果(模型和日志)。

　　数据科学家们比较熟悉编写一些简单的脚本，在桌面机上运行机器学习代码这样的工作方式。但是在桌面机上进行模型训练时，硬盘驱动器的空间限制会导致处理数据量不足，无法利用分布式训练导致计算能力受限。

　　这就是开发Arena的原因。此命令行工具使数据科学家免受低级资源，环境管理，任务调度以及GPU调度和分配复杂性的影响。Arena帮助数据科学家以一种简单熟悉的方式提交训练任务、检查训练进展。数据科学家在调用Arena时，他们可以指定数据源、代码下载以及是否使用TensorBoard来检查训练效果。

　　Arena的作用

　　Arena目前支持单机训练和PS-Worker模式的分布式训练。在后端，它依赖于KubeFlow提供的TFJob，很快，它将扩展到支持MPIJob和PytorchJob。

　　它还支持实施训练操作和维护，包括：

• 　　利用“top”命令监控GPU资源的分配和调度。

• 　　CPU和GPU资源监控。

• 　　实时检查训练日志。

　　未来，我们希望通过Arena提供涵盖整个流程的深度学习生产线，包括集成的训练数据管理、实验管理、模型开发、持续训练、评估以及在线预测。

　　Arena的目标是让数据科学家像在桌面机上训练一样轻松的释放KubeFlow的强大功能，同时能够控制集群级别调度和管理。为了能够更好的在开源社区内共享和合作，阿里云已经在github上发布了开源代码https：//github.com/AliyunContainerService/arena。

　　Arena背后的故事

　　开源工具Arena诞生于阿里云的深度学习解决方案。它已经支持了多种深度学习框架(如TensorFlow，Caffe，Hovorod和Pytorch)，并且支持整个深度学习生产线(包括集成训练数据管理、实验任务管理、模型开发、持续训练及评估、上线预测等环节)。

　　该解决方案整合了阿里云的资源和服务，有效的利用了CPU和GPU等异构资源，统一容器化编排管控，并提供多维度监控告警和运维平台。

　　结论

　　阿里云高级技术解决方案架构师张凯表示，深度学习为人工智能的发展带来了革命性的飞跃，但也增加了我们对计算和数据资源的依赖。阿里云为大规模训练提供端到端的支持，不断完善深度学习解决方案，使其更易于使用且功能更为强大。